An AI Security Agent for Banking: Multi-Vector Fraud and AML Detection Across Retail and Corporate Accounts
यह शोध पत्र बैंकिंग के लिए एक मल्टी-वेक्टर एआई सुरक्षा एजेंट प्रस्तुत करता है जो सिग्नेचर-आधारित धोखाधड़ी और व्यवहार संबंधी वित्तीय अपराधों का एक साथ पता लगाने के लिए एलएसटीएम (LSTM) अनुक्रम मॉडल, सांख्यिकीय मॉनिटर और ग्राफ नेटवर्क के हाइब्रिड आर्किटेक्चर का उपयोग करके ट्रांजैक्शन और सेशन डेटा स्ट्रीम को फ्यूज करता है, जिससे नियम-आधारित या सिंगल-मॉडल बेसलाइन की तुलना में काफी उच्च एफ1 (F1) स्कोर प्राप्त होता है और साथ ही कम-विलंबता वाली स्वचालित प्रतिक्रियाएं और विश्लेषक सहायता प्रदान की जाती 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
कल्पना कीजिए कि एक बैंक एक विशाल, हलचल भरे शहर की तरह है। हर दिन, लाखों लोग (खाते) पैसे इधर-उधर घुमाते हैं, लॉग इन करते हैं और खरीदारी करते हैं। आमतौर पर, यह सब ठीक रहता है। लेकिन कभी-कभी, अपराधी अंदर घुसने, पहचान चुराने या काले धन की हेराफेरी करने की कोशिश करते हैं।
यह शोध पत्र एक नए "AI सुरक्षा गार्ड" को पेश करता है जिसे आम लोगों (रिटेल) और बड़े व्यवसायों (कॉर्पोरेट) दोनों की रक्षा के लिए डिज़ाइन किया गया है। इस शहर की रक्षा के लिए लेखकों, जोसोफ वलुसिम्बी और जोशुआ बेंजामिन सेन्टोन्गो (सोरोटी यूनिवर्सिटी, युगांडा) ने इस गार्ड का निर्माण किया है, क्योंकि अपराधियों को पकड़ने के पुराने तरीके अब पर्याप्त रूप से काम नहीं कर रहे हैं।
यहाँ यह शोध पत्र सरल उपमाओं (analogies) का उपयोग करके समस्या और उनके समाधान को समझाता है:
1. समस्या: दो अलग-अलग प्रकार के अपराधी
शोध पत्र कहता है कि बैंकों को दो बहुत ही अलग प्रकार के खतरों का सामना करना पड़ता है, और पुराने सुरक्षा सिस्टम (जिन्हें "रूल इंजन" कहा जाता है) एक ऐसे बाउंसर की तरह हैं जो केवल एक विशिष्ट चीज़ की जाँच करता है।
- "बाउंसर" (पुराने नियम): यह गार्ड स्पष्ट रेड फ्लैग्स (चेतावनी संकेतों) को देखता है। यदि कोई व्यक्ति 5 मिनट में $10,000 निकालने की कोशिश करता है, या एक ही समय में दो अलग-अलग देशों में कार्ड का उपयोग करता है, तो गार्ड उन्हें रोक देता है। यह ब्रूट-फोर्स हमलों (जैसे पासवर्ड अनुमान लगाने की कोशिश) या ATM क्लोनिंग के लिए बहुत अच्छा काम करता है।
- "गिरगिट" (नए खतरे): फिर कुछ चालाक अपराधी आते हैं।
- BEC (बिजनेस ईमेल कॉम्प्रोमाइज): कल्पना कीजिए कि किसी अपराधी ने सीईओ के ईमेल को हैक कर लिया और अकाउंटेंट को एक सामान्य दिखने वाला ईमेल भेजा कि "कृपया पेरोल इस नए बैंक खाते में भेज दें।" राशि सामान्य है, समय सामान्य है, और व्यक्ति असली लग रहा है। पुराना "बाउंसर" इसमें कुछ भी गलत नहीं देखता और पैसे जाने देता है।
- मनी लॉन्ड्रिंग (धन शोधन): कल्पना कीजिए कि कोई व्यक्ति गंदगी के स्रोत को छिपाने के लिए बड़ी मात्रा में अवैध धन को छोटे, कानूनी दिखने वाले हिस्सों में तोड़ रहा है। कोई भी एकल लेनदेन संदिग्ध नहीं दिखता, लेकिन कई छोटे लेनदेनों का पैटर्न ही अपराध है।
शोध पत्र का तर्क है कि पुराना "बाउंसर" इन "गिरगिटों" के प्रति अंधा है क्योंकि वे किसी भी नियम को तोड़ते नहीं हैं; वे बस सामान्य गतिविधि की तरह दिखते हैं।
2. समाधान: एक तीन-भाग वाला "सुपर-गार्ड"
लेखकों ने एक नया AI एजेंट बनाया है जो दो अलग-अलग "निगरानी कैमरों" (डेटा स्ट्रीम) पर काम करने वाली एक तीन-सदस्यीय जासूसी टीम की तरह कार्य करता है।
दो कैमरे:
- ट्रांजैक्शन कैमरा: पैसों के लेन-देन पर नज़र रखता है (कार्ड स्वाइप करना, वायर ट्रांसफर)।
- सेशन कैमरा: लोगों के लॉग इन करने, पासवर्ड बदलने या नए पेयी (payee) जोड़ने पर नज़र रखता है।
तीन जासूस (फ्यूजन आर्किटेक्चर):
हर बार जब कोई घटना होती है, तो ये तीन जासूस यह तय करने के लिए अपनी राय देते हैं कि क्या यह एक अपराध है:
- जासूस 1: पैटर्न लर्नर (LSTM): यह जासूस आपके इतिहास को याद रखता है। "अरे, मिस्टर स्मिथ आमतौर पर सुबह 8 बजे कंपाला में कॉफी खरीदते हैं। फिर अचानक आप रात के 3 बजे लंदन में नाव क्यों खरीद रहे हैं?" यह समय के साथ आपकी व्यक्तिगत आदतों को सीखता है।
- जासूस 2: स्पीडोमीटर (थ्रेशोल्ड मॉनिटर): यह जासूस गति और मात्रा पर नज़र रखता है। "ओह, एक मिनट में 50 ट्रांजैक्शन!" या "लिमिट से ठीक पहले भारी मात्रा में नकद जमा किया गया!" यह स्पष्ट उछाल को पकड़ लेता है।
- जासूस 3: मैप मेकर (ग्राफ मॉड्यूल): यह जासूस लोगों के बीच के संबंधों को देखता है। "इस खाते में 50 अजनबियों से पैसा आ रहा है और तुरंत उसे बाहर भेजा जा रहा है।" यह मनी लॉन्ड्रिंग नेटवर्क (म्यूल्स) को पकड़ता है जो व्यक्तिगत रूप से सामान्य दिखते हैं लेकिन जुड़ने पर अजीब लगते हैं।
फैसला:
AI इन तीनों जासूसों की राय को एक एकल "रिस्क स्कोर" (जोखिम स्कोर) में मिला देता है। यदि स्कोर अधिक है, तो सिस्टम कार्रवाई करता है।
3. यह कैसे प्रतिक्रिया देता है (प्रतिक्रिया)
सिस्टम केवल "अपराधी!" चिल्लाकर सब कुछ रोक नहीं देता। इसमें ट्रैफिक लाइट सिस्टम की तरह चार स्तर की प्रतिक्रियाएँ हैं:
- कम जोखिम (Low Risk): इसे बस लॉग में लिख लें।
- मध्यम जोखिम (Medium Risk): उपयोगकर्ता से अतिरिक्त प्रमाण मांगें (जैसे टेक्स्ट मैसेज कोड) या धन पर अस्थायी "सॉफ्ट होल्ड" लगा दें।
- उच्च जोखिम (High Risk): लेनदेन को तुरंत रोक दें और एक मानव विश्लेषक को सूचित करें।
- गंभीर जोखिम (Critical Risk): खाते को फ्रीज कर दें, पुलिस (विश्लेषक) को बुलाएं, और नियामकों के लिए रिपोर्ट तैयार करें।
चैटबॉट असिस्टेंट:
यदि कोई लेनदेन संदिग्ध लगता है, तो सिस्टम स्वचालित रूप से ग्राहक को एक संदेश भेजता है: "क्या यह आप थे?"
- यदि ग्राहक "हाँ" कहता है और कोड के साथ अपनी पहचान सिद्ध करता है, तो पैसा चला जाता है।
- यदि ग्राहक "नहीं" कहता है, तो खाता तुरंत फ्रीज कर दिया जाता है।
- सिस्टम "मास रिसेट" (जहाँ एक हैकर एक साथ 100 लोगों के पासवर्ड रीसेट करने की कोशिश करता है) पर भी नज़र रखता है और हमले के फैलने से पहले उसे रोक देता है।
एनालिस्ट असिस्टेंट:
जब किसी मानव सुरक्षा गार्ड को किसी अपराध की जांच करने की आवश्यकता होती है, तो यह AI उनके लिए एक सारांश लिखता है। यह कहता है, "यह एक 'बिजनेस ईमेल कॉम्प्रोमाइज' हमला लग रहा है। यहाँ वे 3 कदम दिए गए हैं जो आपको आगे उठाने चाहिए।" यह मानव के घंटों के काम को बचाता है।
4. परिणाम: क्या यह काम कर गया?
लेखकों ने अपने सिस्टम का परीक्षण एक सिम्युलेटेड शहर (237,000 लेनदेन और 113,000 लॉगिन सत्रों का एक नकली डेटासेट) का उपयोग करके किया क्योंकि गोपनीयता कारणों से वे वास्तविक बैंक डेटा का उपयोग नहीं कर सकते थे।
उन्होंने अपने "सुपर-गार्ड" की तुलना निम्नलिखित से की:
- पुराना "बाउंसर" (नियम-आधारित प्रणाली)।
- एक प्रणाली जो केवल "पैटर्न लर्नर" (केवल LSTM) का उपयोग करती है।
स्कोरबोर्ड:
- पुराना बाउंसर: लेनदेन संबंधी अपराधों के लगभग 56% और लॉगिन अपराधों के 73% को पकड़ पाया। यह "चैमेलियन" (गिरगिट) हमलों (BEC और मनी लॉन्ड्रिंग) को पूरी तरह से मिस कर गया।
- केवल LSTM: लेनदेन संबंधी अपराधों के लगभग 65% को पकड़ पाया।
- नया AI एजेंट: लेनदेन संबंधी अपराधों के 78.7% और लॉगिन अपराधों के 86.7% को पकड़ पाया।
प्रमुख जीत:
- BEC डिटेक्शन: पुराने सिस्टम की बिजनेस ईमेल कॉम्प्रोमाइज के खिलाफ सफलता दर 0% थी। नया AI इनमें से कुछ को पकड़ने में सफल रहा क्योंकि उसने देखा कि एक नया पेयी जोड़ना और तुरंत बड़ी राशि भेजना घटनाओं का एक अजीब क्रम था, भले ही राशि सामान्य दिख रही हो।
- गति: सिस्टम अविश्वसनीय रूप से तेज़ है। सबसे गंभीर अपराधों के लिए भी, यह आधे मिलीसेकंड (0.43 ms) से भी कम समय में निर्णय लेता है, जो मानव पलक झपकने की गति से भी तेज़ है।
5. सीमाएं (जो शोध पत्र स्वीकार करता है)
लेखक ईमानदार हैं कि उनका सिस्टम अभी क्या नहीं कर सकता:
- यह एक सिमुलेशन है: उन्होंने इसे नकली डेटा पर टेस्ट किया है। वास्तविक बैंक डेटा अधिक जटिल होता है, और वे स्वीकार करते हैं कि वास्तविक बैंक में उपयोग करने से पहले सिस्टम को वास्तविक दुनिया के डेटा पर फिर से प्रशिक्षित करने की आवश्यकता है।
- नए खाते: "पैटर्न लर्नर" को ग्राहक को जानने के लिए लगभग 10 पिछले लेनदेन की आवश्यकता होती है। यदि कोई नया खाता खुलता है, तो पहले महीने में AI कम प्रभावी होता है।
- जटिल मनी लॉन्ड्रिंग: हालांकि यह मनी लॉन्ड्रिंग को पहचानने में बेहतर हुआ है, लेकिन यह अभी भी बहुत जटिल, बहु-चरणीय "लेयरिंग" योजनाओं के साथ संघर्ष करता है जहाँ पैसा कई खातों के माध्यम से घूमता है।
सारांश
संक्षेप में, यह शोध पत्र बैंकों के लिए एक स्मार्ट, बहु-स्तरीय सुरक्षा प्रणाली प्रस्तुत करता है। केवल "बुरे नंबरों" को देखने के बजाय, यह व्यवहार, गति और संबंधों को देखता है। यह नियमों की गति को AI की याददाश्त के साथ जोड़ता है ताकि शोर मचाने वाले, स्पष्ट चोरों और शांत, चालाक चोरों दोनों को पकड़ा जा सके, साथ ही ग्राहकों को अपनी पहचान सत्यापित करने में मदद मिलती है और मानव गार्डों को तेज़ी से काम करने में सहायता मिलती है।
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।