Improving Fraud Detection Accuracy Through Data Preprocessing and Decision Tree Machine Learning

Im leisen Summen des globalen Finanzsystems wird bei jeder digitalen Transaktion ein ständiger, unsichtbarer Kampf geführt. Wenn eine Person eine Karte zieht oder ein Telefon zum Bezahlen auflegt, entscheidet ein komplexes Netzwerk automatisierter Systeme augenblicklich darüber, ob dieser Kauf sicher oder verdächtig ist. Diese Systeme sind darauf ausgelegt, Betrüger zu erfassen, die Geld stehlen, doch sie stehen vor einer schwierigen mathematischen Realität: Die überwältigende Mehrheit der Transaktionen ist ehrlich, während die wenigen betrügerischen wie Nadeln im Heuhaufen sind. Da die ehrlichen Transaktionen die schlechten so massiv überwiegen, kann ein Computerprogramm getäuscht werden, in dem Glauben, eine perfekte Arbeit zu leisten, indem es die Nadeln einfach ignoriert und gar nichts meldet. Dies schafft die Notwendigkeit für einen anderen Ansatz – einen, der den Computer lehrt, die Daten selbst sorgfältig zu betrachten, bevor er versucht, eine Entscheidung zu treffen. Das Ziel ist nicht nur, eine intelligentere Maschine zu bauen, sondern die Informationen zu bereinigen und zu organisieren, damit selbst ein einfaches, transparentes Werkzeug die Muster des Diebstahls erkennen kann, die sonst verborgen blieben.

Dies ist die zentrale Frage, die von Darshan Aher, einem Forscher an der Sanjivani University in Indien, untersucht wurde. Er untersuchte, ob die sorgfältige Vorbereitung der Daten ein einfaches Computermodell genauso effektiv machen könnte wie die komplexen, hochleistungsfähigen Systeme, die Banken oft verwenden. Anstatt eine massive, komplizierte künstliche Intelligenz zu bauen, die schwer zu verstehen ist, konzentrierte sich Aher auf eine einzige, geradlinige Art von Modell, das als Entscheidungsbaum bekannt ist. Stellen Sie sich ein Flussdiagramm vor, bei dem eine Reihe einfacher Ja-oder-Nein-Fragen zu einer endgültigen Antwort führt; so funktioniert ein Entscheidungsbaum, was es für Menschen leicht macht, genau nachzuvollziehen, warum eine Transaktion gemeldet wurde. Die Studie verwendete einen realen Datensatz mit fast 285.000 Kreditkartentransaktionen europäischer Karteninhaber – eine Sammlung, bei der weniger als zwei Hundertstel eines Prozents tatsächlich betrügerisch waren. Die Herausforderung bestand darin, den einfachen Entscheidungsbaum zu lehren, diese seltenen betrügerischen Transaktionen zu finden, ohne durch die überwältigende Anzahl der guten Transaktionen verwirrt zu werden.

Um dies zu lösen, begann der Forscher nicht damit, das Gehirn des Computers zu verändern, sondern den Raum zu reinigen, in dem er arbeitete. Der Prozess begann mit dem Entfernen von Duplikaten und der Organisation der Zahlen auf eine konsistente Skala. Die Daten wurden dann in zwei Gruppen aufgeteilt: eine große Gruppe, aus der der Computer lernen kann, und eine kleinere Gruppe, um später seine Fähigkeiten zu testen. Entscheidend war, dass die Testgruppe exakt so belassen wurde, wie sie in der realen Welt vorgefunden wurde, mit ihrer natürlichen, schweren Imbalanz von guten Transaktionen und seltenen betrügerischen Vorfällen. Um dem Computer zu helfen zu lernen, wie Betrug aussieht, fügte der Forscher der Lerngruppe nur zusätzliche Beispiele für betrügerische Transaktionen hinzu. Diese Technik, die neue, synthetische Beispiele basierend auf bestehenden erstellt, ermöglichte es dem Modell, die Muster des Diebstahls zu studieren, ohne das abschließende Testverfahren zu verzerren. Der Forscher wählte zudem nur die nützlichsten Informationsteile aus und verworf das Rauschen, das nicht dabei half, einen Dieb von einem ehrlichen Kunden zu unterscheiden.

Als der trainierte Entscheidungsbaum schließlich gegen die unberührte, realistische Gruppe von Transaktionen getestet wurde, zeigte er eine überraschende Effektivität. Das Modell identifizierte korrekt 110 von 142 betrügerischen Transaktionen und erfasste somit etwa 77 Prozent der Diebstähle. Dies ist eine signifikante Verbesserung gegenüber einem System, das Betrug einfach ignoriert, welches null Prozent erfassen würde. Die Studie offenbarte jedoch auch die Kosten dieser Wachsamkeit. Da das Modell empfindlich genug abgestimmt war, um die seltenen betrügerischen Transaktionen zu finden, markierte es auch einige ehrliche Transaktionen als verdächtig. Von jeweils neun Transaktionen, die das Modell als potenziell betrügerisch meldete, war nur eine tatsächlich schlecht. Das bedeutet, dass das System zwar die meisten Diebe erfolgreich fand, aber auch eine Reihe von Fehlalarmen erzeugte, die eine menschliche Überprüfung erfordern würden. Die Forscher merkten an, dass dieser Kompromiss zu erwarten und handhabbar ist; in einem realen Szenario würde dieses Modell wahrscheinlich als erster Filter dienen, der die Mehrheit des Betrugs abfängt, damit sich menschliche Analysten auf die spezifischen Fälle konzentrieren können, die der Computer gemeldet hat.

Die Ergebnisse legen nahe, dass die Komplexität des maschinellen Lernmodells nicht der einzige, oder vielleicht sogar der wichtigste Faktor bei der Betrugserkennung ist. Durch die sorgfältige Vorbereitung der Daten und die Verwendung einer Technik zur Balance des Lernprozesses kann ein einfacher, schneller und vollkommen verständlicher Entscheidungsbaum hohe Erkennungsraten erzielen. Die Studie zeigt, dass ein einzelner Entscheidungsbaum, wenn er mit sauberen und ausgewogenen Informationen gefüttert wird, die meisten Betrugsfälle zu geringen Rechenkosten wiederherstellen kann. Obwohl das Modell nicht perfekt ist und eine Feinabstimmung erfordert, um das Gleichgewicht zwischen der Anzahl der Fehlalarme und den verpassten Verbrechen zu finden, beweist es, dass Transparenz und Effizienz nicht zugunsten der Genauigkeit geopfert werden müssen. Die Arbeit weist den Weg in eine Zukunft, in der Finanzsicherheitssysteme leichtgewichtig und erklärbar bleiben, sodass Banken genau verstehen können, warum eine Transaktion gestoppt wurde, anstatt sich auf opake Black-Box-Algorithmen zu verlassen, die schwer zu inspizieren oder zu vertrauen sind.