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

वैश्विक वित्तीय प्रणाली की शांत गूँज में, हर डिजिटल लेनदेन पर एक निरंतर, अदृश्य युद्ध लड़ा जाता है। जब कोई व्यक्ति भुगतान करने के लिए कार्ड स्वाइप करता है या फोन टैप करता है, तो स्वचालित प्रणालियों का एक जटिल नेटवर्क तुरंत निर्णय लेता है कि वह खरीदारी सुरक्षित है या संदिग्ध। ये प्रणालियाँ उन धोखेबाजों को पकड़ने के लिए बनाई गई हैं जो पैसे चुराते हैं, लेकिन उन्हें एक कठिन गणितीय वास्तविकता का सामना करना पड़ता है: अधिकांश लेनदेन ईमानदार होते हैं, जबकि कुछ धोखाधड़ी वाले लेनदेन घास के ढेर में सुई की तरह होते हैं। क्योंकि ईमानदार लेनदेन बुरे लेनदेन की तुलना में बहुत अधिक संख्या में होते हैं, इसलिए एक कंप्यूटर प्रोग्राम को यह सोचकर धोखा दिया जा सकता है कि वह एक आदर्श काम कर रहा है, यदि वह केवल सुइयों को अनदेखा कर दे और कुछ भी चिह्नित न करे। यह एक अलग दृष्टिकोण की आवश्यकता पैदा करता है, जो कंप्यूटर को निर्णय लेने का प्रयास करने से पहले स्वयं डेटा को ध्यान से देखने के लिए सिखाता है। लक्ष्य केवल एक स्मार्ट मशीन बनाना नहीं है, बल्कि सूचना को साफ और व्यवस्थित करना है ताकि एक सरल, पारदर्शी उपकरण भी चोरी के उन पैटर्नों को देख सके जो अन्यथा छिपे रह जाते।

यह वही केंद्रीय प्रश्न है जिसका अन्वेषण संजीवनी यूनिवर्सिटी, भारत के एक शोधकर्ता दर्शन अहेर ने किया, जिन्होंने यह जांचा कि क्या डेटा की सावधानीपूर्वक तैयारी एक बुनियादी कंप्यूटर मॉडल को उतना ही प्रभावी बना सकती है जितना कि वे जटिल, भारी-भरकम प्रणालियाँ होती हैं जिनका बैंक अक्सर उपयोग करते हैं। एक विशाल, जटिल आर्टिफिशियल इंटेलिजेंस बनाने के बजाय, जो समझने में कठिन हो, अहेर ने 'डिसीजन ट्री' (निर्णय वृक्ष) नामक एक एकल, सरल प्रकार के मॉडल पर ध्यान केंद्रित किया। एक फ्लोचार्ट की कल्पना करें जहाँ हाँ या ना के प्रश्नों की एक श्रृंखला अंतिम उत्तर तक ले जाती है; एक डिसीजन ट्री इसी तरह काम करता है, जिससे मनुष्यों के लिए यह देखना आसान हो जाता है कि किसी लेनदेन को क्यों चिह्नित किया गया था। इस अध्ययन में यूरोपीय कार्डधारकों के लगभग 2,85,000 क्रेडिट कार्ड लेनदेन वाला एक वास्तविक दुनिया का डेटासेट उपयोग किया गया, एक ऐसा संग्रह जहाँ वास्तव में दो सौवें प्रतिशत से भी कम लेनदेन धोखाधड़ी वाले थे। चुनौती यह थी कि सरल डिसीजन ट्री को उन दुर्लभ बुरे लेनदेन को खोजने के लिए प्रशिक्षित करना था बिना अच्छे लेनदेन की भारी संख्या से भ्रमित हुए।

इसे हल करने के लिए, शोधकर्ता ने कंप्यूटर के मस्तिष्क को बदलने के बजाय, उस कमरे को साफ करने से शुरुआत की जिसमें वह काम कर रहा था। प्रक्रिया की शुरुआत डुप्लिकेट रिकॉर्ड को हटाने और संख्याओं को एक सुसंगत पैमाने पर व्यवस्थित करने से हुई। फिर डेटा को दो समूहों में विभाजित किया गया: एक बड़ा समूह जिससे कंप्यूटर सीख सके, और एक छोटा समूह जिसका उपयोग बाद में उसके कौशल के परीक्षण के लिए किया जाना था। महत्वपूर्ण रूप से, परीक्षण समूह को बिल्कुल वैसा ही छोड़ दिया गया जैसा वह वास्तविक दुनिया में पाया गया था, जिसमें अच्छे लेनदेन और दुर्लभ बुरे लेनदेन का उसका प्राकृतिक, भारी असंतुलन था। कंप्यूटर को यह सीखने में मदद करने के लिए कि धोखाधड़ी कैसी दिखती है, शोधकर्ता ने केवल सीखने वाले समूह में धोखाधड़ी के अतिरिक्त उदाहरण जोड़ दिए। यह तकनीक, जो मौजूदा उदाहरणों के आधार पर नए, कृत्रिम उदाहरण बनाती है, मॉडल को अंतिम परीक्षण को विकृत किए बिना चोरी के पैटर्न का अध्ययन करने की अनुमति देती है। शोधकर्ता ने केवल सबसे उपयोगी सूचनाओं का चयन किया, उस शोर को हटा दिया जो एक चोर और एक ईमानदार ग्राहक के बीच अंतर करने में मदद नहीं करता था।

जब प्रशिक्षित डिसीजन ट्री का अंततः अनछुए, वास्तविक लेनदेन के समूह के विरुद्ध परीक्षण किया गया, तो इसने आश्चर्यजनक प्रभावशीलता के साथ प्रदर्शन किया। मॉडल ने 142 धोखाधड़ी वाले लेनदेन में से 110 को सही ढंग से पहचाना, यानी लगभग 77 प्रतिशत चोरी को पकड़ा। यह उस प्रणाली की तुलना में एक महत्वपूर्ण सुधार है जो केवल धोखाधड़ी को अनदेखा कर देती है, जो शून्य प्रतिशत पकड़ेगी। हालाँकि, अध्ययन ने इस सतर्कता की लागत को भी उजागर किया। क्योंकि मॉडल को दुर्लभ बुरे लेनदेन को खोजने के लिए पर्याप्त संवेदनशील बनाया गया था, इसलिए इसने कुछ ईमानदार लेनदेन को भी संदिग्ध के रूप में चिह्नित किया। प्रत्येक नौ लेनदेन में से, जिन्हें मॉडल ने संभावित रूप से धोखाधड़ी वाला बताया, उनमें से केवल एक वास्तव में बुरा था। इसका अर्थ है कि जबकि सिस्टम ने अधिकांश चोरों को सफलतापूर्वक खोज लिया, इसने कुछ गलत अलार्म भी पैदा किए जिनके लिए मानवीय समीक्षा की आवश्यकता होगी। शोधकर्ताओं ने नोट किया कि यह ट्रेड-ऑफ अपेक्षित और प्रबंधनीय है; वास्तविक दुनिया के परिवेश में, यह मॉडल संभवतः एक प्राथमिक फिल्टर के रूप में कार्य करेगा, जो अधिकांश धोखाधड़ी को पकड़ लेगा ताकि मानव विश्लेषक अपना ध्यान विशिष्ट मामलों पर केंद्रित कर सकें।

निष्कर्ष बताते हैं कि धोखाधड़ी का पता लगाने के लिए मशीन लर्निंग मॉडल की जटिलता एकमात्र, या शायद सबसे महत्वपूर्ण कारक नहीं है। डेटा को सावधानीपूर्वक तैयार करके और सीखने की प्रक्रिया को संतुलित करने की तकनीक का उपयोग करके, एक सरल, तेज़ और पूरी तरह से समझ में आने वाला डिसीजन ट्री उच्च पहचान दर प्राप्त कर सकता है। यह अध्ययन प्रदर्शित करता है कि एक एकल डिसीजन ट्री, जब उसे स्वच्छ और संतुलित जानकारी दी जाती है, तो वह कम कम्प्यूटेशनल लागत पर अधिकांश धोखाधड़ी के मामलों को पुनः प्राप्त कर सकता है। जबकि मॉडल पूर्ण नहीं है और इसे गलत अलार्म बनाम छूटे हुए अपराधों के बीच संतुलन बनाने के लिए ट्यून करने की आवश्यकता है, यह सिद्ध करता है कि सटीकता के लिए पारदर्शिता और दक्षता का त्याग नहीं करना पड़ता है। यह कार्य एक ऐसे भविष्य की ओर संकेत करता है जहाँ वित्तीय सुरक्षा प्रणालियाँ हल्की और व्याख्या योग्य बनी रहें, जिससे बैंक यह समझ सकें कि लेनदेन को क्यों रोका गया, बजाय इसके कि वे अपारदर्शी, 'ब्लैक-बॉक्स' एल्गोरिदम पर निर्भर रहें जिन्हें निरीक्षण या विश्वास करना कठिन होता है।