Improving Credit Card Fraud Detection Using Ensemble Machine Learning Techniques

डिजिटल जासूस और घास के ढेर में सुई

कल्पना कीजिए कि आप एक विशाल, हलचल भरे शहर में घूम रहे हैं जहाँ हर सेकंड लाखों लोग कॉफी खरीद रहे हैं, किराया चुका रहे हैं और पिज्जा ऑर्डर कर रहे हैं। इस शहर में जेबकतरे भी हैं जो बटुए चुराने की कोशिश कर रहे हैं, लेकिन वे बहुत दुर्लभ हैं—शायद हर 100 ईमानदार खरीदारों के लिए केवल 2 या 3 चोर। यदि आप एक सुरक्षा गार्ड को नियुक्त करते जिसका एकमात्र काम इन चोरों को पहचानना हो, तो वे यह कहने में बहुत माहिर हो सकते हैं कि "कोई चोरी नहीं कर रहा है!" क्योंकि सांख्यिकीय रूप से, वे लगभग हर समय सही होते हैं। लेकिन एक सुरक्षा गार्ड के लिए यह एक बुरा काम है! यदि वे एक भी चोर को चूक जाते हैं, तो इसके परिणाम बहुत बड़े होते हैं। यह ऑनलाइन क्रेडिट कार्ड कंपनियों का दैनिक दुस्वप्न है: उन्हें पूरी तरह से सामान्य लेनदेन के पहाड़ के भीतर छिपे नन्हे, चालाक जालसाजों को खोजना होता है।

इसे हल करने के लिए, वैज्ञानिक मशीन लर्निंग (Machine Learning) नामक चीज़ का उपयोग करते हैं। इसे एक सुपर-स्मार्ट रोबोट के रूप में समझें जो इतिहास पढ़कर सीखता है। यह यह समझने के लिए हजारों पिछले लेनदेन को देखता है कि "सामान्य" खर्च कैसा दिखता है और "संदिग्ध" खर्च कैसा दिखता है। हालाँकि, एक समस्या है: क्योंकि धोखाधड़ी के मामले बहुत कम हैं, रोबोट भ्रमित हो जाता है। यह एक शेर को देखने के लिए रोबोट को केवल एक बार शेर की तस्वीर दिखाने जैसा है, जबकि उसे लाखों बिल्लियों की तस्वीरें दिखाई गई हैं। रोबोट बस यही सोचेगा, "ओह, सब कुछ एक बिल्ली है!" इसे ठीक करने के लिए, शोधकर्ता एक चतुर तकनीक का उपयोग करते हैं जिसे जेनरेटिव एडवरसैरियल नेटवर्क (Generative Adversarial Networks - GANs) कहा जाता है। आप एक GAN को एक मास्टर जालसाज और एक मास्टर जासूस के रूप में देख सकते हैं जो एक साथ काम कर रहे हैं। जालसाज ऐसी नकली "शेर" की तस्वीरें बनाने की कोशिश करता है जो इतनी असली दिखें कि जासूस को धोखा दे दें, जबकि जासूस नकली चीज़ों को पहचानने में और बेहतर होता जाता है। जब तक वे अपना काम पूरा कर लेते हैं, तब तक जासूस ने इतने "शेर" देख लिए होते हैं कि वह अंततः असली वालों को पहचान सके। यह शोध पत्र बताता है कि इन डिजिटल जालसाजों और जासूसों का उपयोग करके क्रेडिट कार्ड चोरों को तेज़ी से और अधिक स्मार्ट तरीके से कैसे पकड़ा जाए।

---

शोध का बड़ा विचार: रोबोट को सुई पहचानना सिखाना

इस अध्ययन में, मोरक्को की कदी अयाद यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने एक बेहतर डिजिटल सुरक्षा गार्ड बनाने का निर्णय लिया। वे देखना चाहते थे कि क्या वे "जालसाज" वाली ट्रिक (GANs) को विभिन्न मशीन लर्निंग रोबोटों की एक टीम (जिसे एन्सेम्बल लर्निंग - Ensemble Learning कहा जाता है) के साथ जोड़कर क्रेडिट कार्ड धोखाधड़ी को वास्तविक समय (real-time) में पकड़ सकते हैं। वे केवल एक ऐसा रोबोट नहीं चाहते थे जो सटीक हो; वे एक ऐसा रोबोट चाहते थे जो इतना तेज़ हो कि लेनदेन खत्म होने से पहले ही चोर को रोक सके।

शोधकर्ताओं ने AirportRental नामक वेबसाइट से एक वास्तविक दुनिया के डेटासेट के साथ शुरुआत की। इसमें 76,900 लेनदेन थे, लेकिन समस्या यह थी: इनमें से केवल 1,922 (लगभग 2.5%) वास्तव में धोखाधड़ी वाले थे। यह एक बहुत बड़ा घास का ढेर था जिसमें बहुत कम सुइयाँ थीं।

सबसे पहले, उन्होंने अपने रोबोट को इस अव्यवस्थपूर्ण, असंतुलित डेटा पर प्रशिक्षित करने की कोशिश की। जैसा कि अपेक्षित था, रोबोट ने बहुसंख्यक वर्ग (majority class) को प्राथमिकता दी। वे यह कहने में इतने अच्छे थे कि "यह एक सामान्य लेनदेन है" कि उन्होंने अधिकांश धोखाधड़ी को मिस कर दिया। लेकिन तभी, शोधकर्ताओं ने GANs को पेश किया। उन्होंने जालसाज-जासूस की टीम का उपयोग करके धोखाधड़ी वाले लेनदेन के सिंथेटिक (नकली लेकिन वास्तविक) उदाहरण बनाए। उन्होंने इन नए उदाहरणों को वास्तविक उदाहरणों के साथ तब तक मिलाया जब तक कि डेटासेट पूरी तरह से संतुलित नहीं हो गया: 50% सामान्य लेनदेन और 50% धोखाधड़ी वाले लेनदेन। अचानक, रोबोट के पास एक बहुत बेहतर अध्ययन मार्गदर्शिका (study guide) थी।

इसके बाद, उन्होंने यह देखने के लिए विभिन्न मशीन लर्निंग मॉडलों की एक लाइनअप का परीक्षण किया कि कौन सा सबसे अच्छा जासूस है। उन्होंने परीक्षण किया:

• लॉजिस्टिक्स रिग्रेशन (Logistic Regression) और नाइव बेयस (Naïve Bayes) (सरल, तेज़ विचारक)।
• KNN और SVM (धीमे, अधिक जटिल विचारक)।
• रैंडम फॉरेस्ट (Random Forest) और XGBoost (निर्णय लेने वालों की शक्तिशाली टीमें जो एक साथ मिलकर काम करती हैं)।

उन्होंने दो चीजें मापीं: वे धोखाधड़ी को पकड़ने में कितने अच्छे थे? (इसे रिकॉल - Recall कहा जाता है)। और वे कितने तेज़ थे? (यह एग्जीक्यूशन टाइम - Execution Time है)।

परिणाम: तेज़ टीम की जीत

प्रयोगों ने दिखाया कि "जालसाज" वाली ट्रिक ने कमाल कर दिया। जब रोबोटों ने GANs द्वारा बनाए गए संतुलित डेटा से सीखा, तो उनकी धोखाधड़ी को पहचानने की क्षमता आसमान छू गई। औसतन, उनका रिकॉल (बुरे लोगों को खोजने की क्षमता) लगभग 25 प्रतिशत अंक बढ़ गया। इसका मतलब है कि उन्होंने चोरों को मिस करना बंद कर दिया।

परीक्षण किए गए सभी मॉडलों में से, एक टीम स्पष्ट विजेता के रूप में उभरी: XGBoost।

यहाँ बताया गया है कि XGBoost क्यों मुख्य आकर्षण था:

1. यह सबसे सटीक था: संतुलित डेटा पर, XGBoost ने 95% प्रिसिजन (Precision) (यह लगभग हर बार अलार्म बजाने पर सही होता था) और 93% रिकॉल (Recall) (इसने लगभग सभी धोखाधड़ी को पकड़ा) हासिल किया। इसका 99% AUC-ROC भी था, जो एक शानदार तरीका है यह कहने का कि यह अच्छे और बुरे लेनदेन के बीच अंतर करने में लगभग पूर्ण था।
2. यह दबाव में सबसे तेज़ था: यह सबसे रोमांचक हिस्सा है। शोधकर्ताओं ने केवल एक-एक करके रोबोट का परीक्षण नहीं किया; उन्होंने एक व्यस्त एयरपोर्ट रेंटल काउंटर का अनुकरण किया जहाँ सैकड़ों लेनदेन एक साथ हो रहे थे।
   • केवल 1 लेनदेन को संभालने के दौरान, Naïve Bayes जैसे सरल मॉडल सबसे तेज़ थे, जिन्होंने केवल 0.09 मिलीसेकंड का समय लिया।
   • लेकिन जैसे ही भीड़ बढ़कर एक साथ 30 लेनदेन हुई, सरल मॉडल और जटिल मॉडल (जैसे KNN और SVM) नाटकीय रूप से धीमे होने लगे। KNN का समय बढ़कर 18.45 ms हो गया, और SVM ने 21.10 ms लिया। उनका प्रदर्शन (performance) 800% से अधिक गिर गया।
   • हालाँकि, XGBoost शांत रहा। 30 लेनदेन के साथ भी, इसने केवल 2.90 मिलीसेकंड का समय लिया। इसका प्रदर्शन केवल लगभग 480% धीमा हुआ, जो समूह में सबसे अच्छी स्थिरता (stability) थी।

यह शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि सबसे तेज़ सरल मॉडल (जैसे Naïव बेयस) वास्तविक दुनिया के सिस्टम के लिए सबसे अच्छा विकल्प हैं। हालांकि वे एक एकल कार्य के लिए तेज़ हैं, लेकिन वे व्यस्त दिन के 'रश ऑवर' को नहीं संभाल सकते। पेपर यह भी तर्क देता है कि पुराने, असंतुलित डेटा पर भरोसा करने के खिलाफ है, यह दिखाते हुए कि बिना GAN संतुलन के, सबसे अच्छे मॉडल भी धोखाधड़ी खोजने में संघर्ष करते हैं।

निष्कर्ष

अध्ययन यह निष्कर्ष निकालता है कि क्रेडिट कार्ड धोखाधड़ी को पकड़ने का सबसे अच्छा तरीका एक GAN का उपयोग करके एक संतुलित प्रशिक्षण सेट बनाना है और फिर एक एन्सेम्बल मॉडल जैसे कि XGBoost को पता लगाने के लिए छोड़ देना है। यह संयोजन आपको दोनों दुनियाओं का सर्वश्रेष्ठ देता है: एक रोबोट जो दुर्लभ जालसाजों को पहचानने में अविश्वसनीय रूप से अच्छा है, और एक रोबोट जो इतना तेज़ है कि पैसा आपके खाते से निकलने से पहले ही उन्हें रोक सके।

लेखक सुझाव देते हैं कि यह दृष्टिकोण वास्तविक दुनिया के वित्तीय प्रणालियों के लिए एक मजबूत, स्केलेबल समाधान है। उन्होंने केवल एक सैद्धांतिक जीत नहीं खोजी; उन्होंने एक व्यस्त लेनदेन प्रणाली के वास्तविक समय के दबाव का अनुकरण किया और साबित किया कि XGBoost गर्मी (दबाव) को झेल सकता है। हालांकि उन्होंने यह दावा नहीं किया कि यह सभी धोखाधड़ी का अंतिम समाधान है (क्योंकि चोर हमेशा अपनी चालें बदलते रहते हैं), उन्होंने दिखाया कि इन उपकरणों का यह विशिष्ट संयोजन हमारे डिजिटल वॉलेट को सुरक्षित रखने के लिए एक बहुत ही मजबूत, विश्वसनीय और व्यावहारिक कदम है।