An LLM-based Chain-of-Response Counter-Scam System
यह शोध पत्र काउंटर स्कैम (Counter Scam) को प्रस्तुत करता है, जो एक एकीकृत LLM-आधारित मल्टी-एजेंट फ्रेमवर्क है जिसे सुरक्षित डेटा दिशानिर्देशों, एक विशिष्ट नौ-कार्य वाली NLP प्रणाली और एक बड़े पैमाने के स्कैम कॉर्पस के साथ डिटेक्शन से लेकर इन्वेस्टिगेशन तक एंड-टू-एंड ऑनलाइन स्कैम मिटिगेशन को गति देने के लिए डिज़ाइन किया गया है, जो वाणिज्यिक मॉडलों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
ऑनलाइन घोटालों (scams) को एक तेज़ गति से चलने वाले, संगठित अपराध समूह के रूप में कल्पना करें जो एक सुव्यवस्थित मशीन की तरह काम करता है। वे चालाकी भरी तरकीबों का उपयोग करते हैं (जैसे आपके बैंक या मुसीबत में फंसे किसी रिश्तेदार होने का नाटक करना) ताकि इससे पहले कि कोई "पॉज़" बटन दबा सके, पैसा चुरा लिया जाए। इस शोध पत्र के अनुसार समस्या यह है कि उन्हें रोकने वाले लोग—पुलिस, बैंक और सुरक्षा टीमें—अक्सर अलग-अलग कमरों में काम कर रहे होते हैं, अलग-अलग फोनों पर बात कर रहे होते हैं, और अपराधियों को पकड़ने के लिए बहुत धीमी गति से काम करते हैं।
लेखक एक समाधान प्रस्तावित करते हैं जिसे Counter-Scam कहा जाता है। इसे केवल एक उपकरण के रूप में नहीं, बल्कि आर्टिफिशियल इंटेलिजेंस (AI) द्वारा संचालित एक अति-संगठित डिजिटल SWAT टीम के रूप में सोचें।
यह कैसे काम करता है, इसके सरल भाग यहाँ दिए गए:
1. समस्या: "बहुत धीमा" होने की समस्या
वर्तमान में, जब कोई घोटाला होता है, तो प्रतिक्रिया खंडित होती है।
- उपमा: कल्पना कीजिए कि एक चोर घर में घुस आया है। पड़ोसी उसे देखता है और पुलिस को फोन करता है। पुलिस बैंक को खाता फ्रीज करने के लिए फोन करती है। बैंक फोन नंबर को ब्लॉक करने के लिए टेलीकॉम कंपनी को फोन करता है। जब तक सभी अपनी कॉल और कागजी कार्रवाई पूरी कर लेते हैं, तब तक चोर बैंक का खाता खाली कर चुका होता है और देश छोड़कर भाग चुका होता है। यह पेपर तर्क देता है कि वर्तमान प्रणाली बहुत धीमी है क्योंकि यह मनुष्यों द्वारा एक-दूसरे को नोट्स (सूचनाएं) भेजने पर निर्भर करती है।
2. समाधान: एक डिजिटल "कंडक्टर"
Counter-Scam एक ऐसा ढांचा (framework) है जो लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करता है—वही तकनीक जो चैटबॉट्स को चलाती है—लेकिन इसे एक विशिष्ट टीम संरचना में व्यवस्थित किया गया है। एक AI सब कुछ करने के बजाय, यह एक मल्टी-एजेंट सिस्टम का उपयोग करता है।
इसे एक सिम्फनी ऑर्केस्ट्रा की तरह समझें:
- कंडक्टर (सिचुएशन एनालिसिस एजेंट): यह AI आने वाले अलार्म (एक संदिग्ध टेक्स्ट या कॉल) को सुनता है। यह पता लगाता है कि यह किस प्रकार की आपात स्थिति है: क्या यह फर्जी कॉल है? पहचान की चोरी है? या पैसे का हस्तांतरण है? फिर यह ऑर्केस्ट्रा के बाकी हिस्सों को बताता है कि किसे बजना है।
- सुरक्षा गार्ड (स्कैम प्रिवेंशन एजेंट): यदि कंडक्टर कहता है "रुक जाओ", तो यह एजेंट तुरंत कार्य करता है। यह बुरे फोन नंबर को ब्लॉक करता है, दुर्भावनापूर्ण लिंक को फ्लैग करता है, और वास्तविक समय में पीड़ित को चेतावनी देता है।
- प्रथम प्रतिक्रियाकर्ता (इमरजेंसी रिस्पांस एजेंट): यदि पीड़ित का पैसा पहले ही जा चुका है, तो यह एजेंट कार्रवाई में कूद पड़ता है। यह पीड़ित की कहानी को एक संक्षिप्त, स्पष्ट रिपोर्ट में जल्दी से सारांशित करता है ताकि पुलिस और बैंकों को भेजा जा सके, जिससे खाते को तेजी से फ्रीज करने में मदद मिले।
- जासूस (इन्वेस्टिगेशन एजेंट): तत्काल खतरा टल जाने के बाद, यह एजेंट काम पर लग जाता है। यह हजारों केस फाइलों को पढ़ता है, पैटर्न ढूंढता है (जैसे "इसी फर्जी बैंक खाते का उपयोग 500 अन्य घोटालों में किया गया था"), और वकीलों को यह समझने में मदद करता है कि किन कानूनों का उल्लंघन हुआ है ताकि एक मजबूत मामला बनाया जा सके।
3. गुप्त सूत्र: सुरक्षा और प्रशिक्षण डेटा
आप पूछ सकते हैं, "क्या हम ChatGPT जैसे सार्वजनिक AI का उपयोग नहीं कर सकते?" पेपर कहता है नहीं, इसके दो मुख्य कारण हैं:
- सुरक्षा: आप सार्वजनिक AI को वास्तविक घोटाले की बातचीत नहीं दे सकते क्योंकि स्कैमर उस डेटा का उपयोग नई चालें सीखने के लिए कर सकते हैं। लेखकों ने एक विशेष "सुरक्षित" डेटासेट बनाया है जहाँ सभी संवेदनशील विवरण (जैसे वास्तविक फोन नंबर या नाम) छिपे हुए हैं, लेकिन अपराध की संरचना वैसी ही रहती है ताकि AI सीख सके।
- विशेषज्ञ प्रशिक्षण: सार्वजनिक AI सामान्य डॉक्टरों की तरह होते हैं; वे सब कुछ थोड़ा-थोड़ा जानते हैं। लेखकों ने अपने स्वयं के छोटे, विशिष्ट AI मॉडल (जिन्हें sLLMs कहा जाता है) को विशेष रूप से पुलिस मैनुअल, कानूनी कोड और वास्तविक घोटाले के मामलों पर प्रशिक्षित किया है।
- परिणाम: ये विशेष "पुलिस-प्रशिक्षित" AI मॉडल, महंगे और प्रसिद्ध व्यावसायिक मॉडलों की तुलना में घोटाले पकड़ने और कानूनी विवरणों को समझने में वास्तव में बेहतर थे। वास्तव में, उन्होंने अधिकांश कार्यों में बड़े व्यावसायिक मॉडलों को लगभग 10% से पछाड़ दिया।
4. "रेसिपी बुक" (डेटासेट)
इन AI एजेंटों को सिखाने के लिए, शोधकर्ताओं ने केवल अनुमान नहीं लगाया। उन्होंने 37 वास्तविक दुनिया के विशेषज्ञों (पुलिस अधिकारियों, जांचकर्ताओं और नीति विश्लेषकों) के साथ काम किया।
- उन्होंने 185,300 घोटाले के मामलों और 38,587 कानूनी ज्ञान के टुकड़ों का एक विशाल पुस्तकालय बनाया।
- उन्होंने AI के साथ एक छात्र की तरह व्यवहार किया: उन्होंने इसे होमवर्क दिया (जैसे "इस आपातकालीन कॉल का सारांश दें" या "इस टेक्स्ट में फर्जी बैंक खाते को खोजें") और इसे ग्रेड दिए।
- वह AI जिसे इस विशिष्ट होमवर्क के साथ "फाइन-ट्यून" किया गया था, वह सामान्य ज्ञान के आधार पर अनुमान लगाने वाले AI की तुलना में अपने काम में बहुत अधिक स्मार्ट हो गया।
5. उन्होंने क्या पाया
पेपर निष्कर्ष निकालता है कि यह प्रणाली घोटाले की प्रतिक्रिया के "भारी कार्यों" (heavy lifting) के लिए अच्छी तरह काम करती है:
- गति: यह मानव की तुलना में आपातकालीन कॉल का विश्लेषण और सारांशित करने में बहुत तेज़ है।
- सटीकता: विशेष AI उन विशिष्ट आपराधिक विवरणों (जैसे फर्जी नाम या दुर्भावनापूर्ण लिंक) को पकड़ने में बहुत अच्छा था जिन्हें व्यावसायिक AI अक्सर छोड़ देते हैं।
- सीमाएँ: AI अभी भी पूर्ण नहीं है। यह अभी भी बहुत जटिल कानूनी तर्क या अत्यंत लंबे, अव्यवस्थित आपातकालीन रिपोर्टों को सारांशित करने में संघर्ष करता है। यह एक शक्तिशाली सहायक है, लेकिन अंतिम काम की जाँच के लिए इसे अभी भी मानव विशेषज्ञों की आवश्यकता है, विशेष रूप से सुरक्षा के लिए।
निचोड़
Counter-Scam एक ऐसे भविष्य का ब्लूप्रिंट है जहाँ AI एक केंद्रीय केंद्र (hub) के रूप में कार्य करता है, जो पीड़ित, पुलिस और बैंकों को तुरंत जोड़ता है। फोन कॉल की एक धीमी श्रृंखला के बजाय, यह एक तीव्र, समन्वित प्रतिक्रिया बनाता है जो अपराधियों की गति के साथ चलती है, और इसमें वास्तविक पुलिस डेटा पर प्रशिक्षित विशेष AI एजेंटों का उपयोग किया जाता है ताकि पैसा गायब होने से पहले ही घोटाले को रोका जा सके।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।