Multi-Criteria Feature Subset Selection for Credit Card Fraud Detection Under Class Imbalance
यह शोध पत्र यह प्रदर्शित करता है कि ULB क्रेडिट कार्ड धोखाधड़ी डेटासेट पर, एक मल्टी-मेथड रैंकिंग रणनीति से प्राप्त 15-विशेषताओं का एक संक्षिप्त उपसमुच्चय, विभिन्न क्लासिफायर के माध्यम से उच्च-प्रदर्शन वाली धोखाधड़ी का पता लगाने में सक्षम बनाता है, जिसमें SMOTE ओवरसैंपलिंग की आवश्यकता नहीं होती है, क्योंकि उचित रूप से ट्यून किए गए थ्रेशोल्ड के साथ मूल्यांकन किए जाने पर, प्राकृतिक वर्ग वितरण पर प्रशिक्षित मॉडल SMOTE के साथ प्रशिक्षित मॉडलों की तुलना में लगातार बेहतर प्रदर्शन करते हैं।
मूल पेपर CC BY 4.0 (https://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
वैश्विक वित्त के विशाल, शांत प्रवाह में, लेनदेन का एक बहुत छोटा हिस्सा एक छिपे हुए खतरे को वहन करता है। अधिकांश क्रेडिट कार्ड स्वाइप हानिरहित, मूल्य के नियमित आदान-प्रदान होते हैं, लेकिन बहुत कम संख्या धोखाधड़ी वाली होती है, जिसे निर्दोष स्वामियों से पैसे चुराने के लिए डिज़ाइन किया गया होता है। उन प्रणालियों के लिए जो इन लेनदेन की निगरानी करती हैं, यह एक कठिन पहेली पैदा करता है। यदि कोई कंप्यूटर प्रोग्राम केवल यह अनुमान लगाता कि प्रत्येक लेनदेन सुरक्षित था, तो वह नब्बे प्रतिशत से अधिक समय पर सही होता। यह उच्च सफलता दर भ्रामक है; यह इस तथ्य को छिपाती है कि सिस्टम अपने वास्तविक काम में पूरी तरह विफल रहा है, जो कि दुर्लभ चोरों को पकड़ना है। इसे हल करने के लिए, विशेषज्ञों को केवल सही और गलत उत्तरों की सरल गणनाओं से परे देखना होगा। उन्हें यह मापने की आवश्यकता है कि एक प्रणाली हर अच्छे लेनदेन के लिए गलत अलार्म बजाए बिना, बुरे लेनदेन को कितनी अच्छी तरह खोज पाती है, एक ऐसा संतुलन जिसके लिए सावधानीपूर्वक ट्यूनिंग और डेटा की गहरी समझ की आवश्यकता होती है।
बांग्लादेश के ज़ोगबियोग लैब (ZogBiyog Lab) में अब्दुल्ला एमडी रहान ची द्वारा किया गया एक हालिया अध्ययन इस समस्या को दो विशिष्ट विचारों का परीक्षण करके संबोधित करता है: यह चुनना कि देखने के लिए सही सुराग (clues) कौन से हैं, और क्या धोखाधड़ी के अधिक उदाहरण कृत्रिम रूप से बनाना कंप्यूटर को बेहतर सीखने में मदद करता है। शोधकर्ताओं ने यूरोप के क्रेडिट कार्ड रिकॉर्ड के एक विशाल संग्रह के साथ काम किया, जिसमें 2013 के केवल दो दिनों के लगभग 2,85,000 लेनदेन शामिल थे। इस वास्तविक दुनिया के डेटासेट में, केवल 0.173 प्रतिशत लेनदेन वास्तव में धोखाधड़ी थे। चूंकि डेटा सुरक्षित लेनदेन की ओर इतना भारी रूप से झुका हुआ था, इसलिए टीम को अपने मॉडलों को प्रशिक्षित करने के बारे में अत्यंत सावधान रहना पड़ा। उन्होंने प्रत्येक लेनदेन के लिए उपलब्ध तीस अलग-अलग सूचनाओं को देखने से शुरुआत की, जैसे कि दिन का समय, खर्च की गई राशि, और अन्य अट्ठाईस संख्याएँ जिन्हें कार्डधारकों की गोपनीयता की रक्षा के लिए गणितीय रूप से रूपांतरित किया गया था।
उपयोगी सुरागों को खोजने के लिए, शोधकर्ताओं ने इन तीस विशेषताओं (features) की महत्ता को रैंक करने के लिए किसी एक विधि पर भरोसा नहीं किया। इसके बजाय, उन्होंने प्रत्येक को स्कोर करने के लिए चार अलग-अलग दृष्टिकोणों का उपयोग किया। एक विधि ने जुड़ाव के पैटर्न (patterns of association) को देखा, दूसरी ने सीधी रेखा वाले संबंधों की जांच की, तीसरी ने डेटा को विभाजित करने में एक विशेषता कितनी मदद करती है, यह मापने के लिए एक ट्री-आधारित एल्गोरिदम का उपयोग किया, और चौथी ने देखा कि प्रत्येक विशेषता में कितना उतार-चढ़ाव था। फिर उन्होंने इन चार सूचियों को एक एकल, छोटी पंद्रह विशेषताओं की सूची में मिला दिया। उन्होंने ऐसा चार सूचियों में से शीर्ष विशेषता को बारी-बारी से चुनकर किया, किसी भी ऐसी विशेषता को छोड़कर जो पहले ही चुनी जा चुकी थी, जब तक कि उनके पास ठीक पंद्रह अद्वितीय आइटम नहीं हो गए। यह "राउंड-रॉबिन" दृष्टिकोण सुनिश्चित करता था कि कोई भी एकल विधि चयन पर हावी न हो, जिससे सुरागों का एक संक्षिप्त सेट बना जो विविध और प्रबंधनीय दोनों था।
इन पंद्रह विशेषताओं के छोटे सेट के साथ, टीम ने धोखाधड़ी का पता लगाने के लिए सात अलग-अलग प्रकार के कंप्यूटर प्रोग्रामों को प्रशिक्षित किया। ये प्रोग्राम सरल सांख्यिकीय नियमों से लेकर जटिल, स्तरित नेटवर्क तक थे जो मस्तिष्क के काम करने के तरीके की नकल करते हैं। उन्होंने इन प्रोग्रामों का परीक्षण दो अलग-अलग स्थितियों के तहत किया। पहली स्थिति में, प्रोग्रामों ने डेटा से बिल्कुल वैसे ही सीखा जैसा वह वास्तविक दुनिया में दिखाई देता है, जिसमें धोखाधड़ी के बहुत कम मामले सुरक्षित लेनदेन के विशाल बहुमत के बीच स्थित थे। दूसरी स्थिति में, उन्होंने SMOTE नामक एक तकनीक का उपयोग किया, जो मौजूदा धोखाधड़ी के मामलों के हिस्सों को मिलाकर और जोड़कर नए, कृत्रिम धोखाधड़ी के उदाहरण बनाता है। यह कृत्रिम संतुलन बनाने का कार्य डेटा वैज्ञानिकों द्वारा उपयोग किया जाने वाला एक सामान्य शॉर्टकट है, जो इस धारणा पर आधारित है कि दुर्लभ घटना के अधिक उदाहरण देने से कंप्यूटर इसे पहचानने में बेहतर सीख पाएगा।
इस प्रयोग के परिणाम स्पष्ट और कुछ हद तक आश्चर्यजनक थे। जब शोधकर्ताओं ने एक नए डेटा सेट पर प्रोग्रामों का परीक्षण किया जिसे मॉडलों ने पहले कभी नहीं देखा था, तो प्राकृतिक, असंतुलित डेटा पर प्रशिक्षित प्रोग्राम, कृत्रिम रूप से संतुलित डेटा पर प्रशिक्षित प्रोग्रामों की तुलना में बेहतर प्रदर्शन कर रहे थे। यह हर एक प्रकार के प्रोग्राम के लिए सच साबित हुआ। सबसे अच्छा प्रदर्शन करने वाला एक मॉडल 'XGBoost' था, जिसने प्राकृतिक डेटा पर प्रशिक्षित होने पर 0.826 का उच्च स्कोर प्राप्त किया, जबकि 'K-Nearest Neighbors' मॉडल ने 0.833 का और भी अधिक स्कोर प्राप्त किया। इसके विपरीत, जब इन्हीं मॉडलों को कृत्रिम धोखाधड़ी के उदाहरणों का उपयोग करके प्रशिक्षित किया गया, तो उनका प्रदर्शन हर स्तर पर गिर गया। भले ही शोधकर्ताओं ने निष्पक्ष तुलना सुनिश्चित करने के लिए प्रत्येक मॉडल के निर्णय बिंदु (decision point) को सावधानीपूर्वक समायोजित किया था, कृत्रिम डेटा लगातार खराब परिणामों की ओर ले गया।
यह निष्कर्ष इस लंबे समय से चली आ रही धारणा को चुनौती देता है कि कृत्रिम उदाहरण जोड़ना हमेशा एक सहायक कदम होता है। अध्ययन बताता है कि इस विशिष्ट प्रकार की समस्या के लिए, इस विशिष्ट प्रकार के डेटा के लिए, लेनदेन का प्राकृतिक वितरण एक संकेत (signal) रखता है जिसे कृत्रिम उदाहरण बाधित कर देते हैं। कंप्यूटर प्रोग्रामों ने धोखाधly को अधिक सटीकता से पहचानना सीखा जब उन्हें इस घटना की वास्तविक दुर्लभता को देखने की अनुमति दी गई, बजाय इसके कि उन्हें धोखाधड़ी और सुरक्षा को समान रूप से सामान्य मानने के लिए मजबूर किया जाए। शोध ने यह भी पुष्टि की कि पंद्रह विशेषताओं का एक छोटा, सावधानीपूर्वक चुना गया सेट एक शक्तिशाली डिटेक्टर बनाने के लिए पर्याप्त था, जिससे सिद्ध हुआ कि घास के ढेर में सुई खोजने के लिए आपको उपलब्ध हर जानकारी के टुकड़े की आवश्यकता नहीं है। अंततः, यह कार्य प्रदर्शित करता है कि धोखाधड़ी का पता लगाने की उच्च-दांव वाली दुनिया में, कभी-कभी सबसे प्रभावी रणनीति डेटा के अधिक संतुलित संस्करण को इंजीनियर करने के बजाय कच्चे यथार्थ (raw reality) पर भरोसा करना होता 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।