Improving Credit Card Fraud Detection Using Ensemble Machine Learning Techniques

Il Detective Digitale e l'Ago nel Pagliaio

Immaginate di camminare attraverso una città enorme e frenetica dove milioni di persone comprano caffè, pagano l'affitto e ordinano la pizza ogni singolo secondo. In questa città ci sono borseggiatori che cercano di rubare portafogli, ma sono incredibilmente rari: forse solo 2 o 3 ladri ogni 100 acquirenti onesti. Se assumeste un guardia giurata il cui unico compito fosse individuare questi ladri, potrebbe diventare molto bravo a dire "Nessuno sta rubando!", perché statisticamente ha ragione quasi tutto il tempo. Ma questo è un pessimo lavoro per una guardia giurata! Se dovesse mancare anche un solo ladro, le conseguenze sarebbero enormi. Questo è l'incubo quotidiano delle società di carte di credito online: devono trovare i piccoli e subdoli frodatori che si nascondono dentro una montagna di transazioni perfettamente normali.

Per risolvere questo problema, gli scienziati usano qualcosa chiamato Machine Learning (Apprendimento Automatico). Pensatelo come a un robot super intelligente che impara leggendo la storia. Osserva migliaia di transazioni passate per capire cosa sia una spesa "normale" e cosa sia una spesa "sospetta". Tuttavia, c'è un problema: poiché i casi di frode sono pochi, il robot si confonde. È come cercare di imparare che aspetto ha un leone mostrando al robot una sola foto di un leone, mentre gli mostrate un milione di foto di gatti. Il robot penserà semplicemente: "Oh, tutto è un gatto!". Per risolvere questo, i ricercatori usano un trucco astuto chiamato Generative Adversarial Networks (GANs). Potete pensare a una GAN come a un maestro falsario e un maestro detective che lavorano insieme. Il falsario cerca di creare foto di "leoni" finte che sembrino così reali da ingannare il detective, mentre il detective diventa più bravo a scovare i falsi. Quando hanno finito, il detective avrà visto abbastanza "leoni" da riuscire finalmente a riconoscere quelli veri. Questo articolo esplora come usare questi falsari e detective digitali per catturare i ladri di carte di credito in modo più veloce e intelligente.

---

La Grande Idea del Paper: Insegnare ai Robot a Trovare l'Ago

In questo studio, un team di ricercatori dell'Università Cadi Ayyad in Marocco ha deciso di costruire una migliore guardia giurata digitale. Volevano vedere se potevano combinare il trucco del "falsario" (le GAN) con un team di diversi robot di machine learning (chiamati Ensemble Learning) per catturare le frodi con carta di credito in tempo reale. Non volevano solo un robot che fosse accurato; volevano uno che fosse abbastanza veloce da fermare un ladro prima ancora che la transazione fosse completata.

I ricercatori sono partiti con un dataset del mondo reale proveniente da un sito chiamato AirportRental. Conteneva 76.900 transazioni, ma ecco il problema: solo 1.922 di queste (circa il 2,5%) erano effettivamente fraudolente. Era un enorme pagliaio con pochissimi aghi.

Per prima cosa, hanno cercato di istruire i loro robot su questi dati disordinati e sbilanciati. Come previsto, i robot hanno dato priorità alla classe maggioritaria. Erano così bravi a dire "Questa è una transazione normale" che hanno mancato la maggior parte delle frodi. Ma poi, i ricercatori hanno introdotto le GAN. Hanno usato il team forger-detective per creare esempi sintetici (finti ma realistici) di transazioni fraudolente. Hanno mescolato questi nuovi esempi con quelli reali finché il dataset non è stato perfettamente bilanciato: 50% di transazioni normali e 50% di transazioni fraudolente. Improvvisamente, i loro robot avevano una guida di studio molto migliore.

Successivamente, hanno testato una serie di diversi modelli di machine learning per vedere quale fosse il miglior detective. Hanno provato:

• Regressione Logistica e Naïve Bayes (pensatori semplici e veloci).
• KNN e SVM (pensatori più lenti e complessi).
• Random Forest e XGBoost (potenti team di decisori che lavorano insieme).

Hanno misurato due cose: quanto erano bravi a catturare la frode? (Questo si chiama Recall o Richiamo). E quanto erano veloci? (Questo è il Tempo di Esecuzione).

I Risultati: Il Team Veloce Vince

Gli esperimenti hanno dimostrato che il trucco del "falsario" ha fatto miracoli. Quando i robot hanno imparato dai dati bilanciati creati dalle GAN, la loro capacità di individuare le frodi è schizzata alle stelle. In media, il loro Recall (la capacità di trovare i cattivi) è aumentato di circa 25 punti percentuali. Ciò significa che hanno smesso di perdere i ladri.

Tra tutti i modelli testati, un team si è distinto come il chiaro campione: XGBoost.

Ecco perché XGBoost è stato la stella dello spettacolo:

1. Era il più accurato: Sui dati bilanciati, XGBoost ha raggiunto una Precisione del 95% (era corretto quasi ogni volta che dava l'allarme) e un Recall del 93% (ha catturato quasi tutte le frodi). Ha anche avuto un AUC-ROC del 99%, che è un modo elaborato per dire che era quasi perfetto nel distinguere tra transazioni buone e cattive.
2. Era il più veloce sotto pressione: Questa è la parte più eccitante. I ricercatori non hanno solo testato i robot uno alla volta; hanno simulato un bancone di noleggio aeroportuale affollato dove accadevano centinaia di transazioni contemporaneamente.
   • Gestendo solo 1 transazione, i modelli semplici come Naïve Bayes sono stati i più veloci, impiegando solo 0,09 millisecondi.
   • Ma man mano che la folla cresceva fino a 30 transazioni simultanee, i modelli semplici e quelli complessi (come KNN e SVM) hanno iniziato a rallentare drasticamente. Il tempo di KNN è balzato a 18,45 ms e SVM ha impiegato 21,10 ms. Le loro prestazioni sono "degradate" (peggiorate) di oltre l'800%.
   • XGBoost, tuttavia, è rimasto calmo. Anche con 30 transazioni, ha impiegato solo 2,90 millisecondi. Le sue prestazioni sono rallentate di circa il 480%, che è la migliore stabilità del gruppo.

Il paper esclude esplicitamente l'idea che i modelli semplici più veloci (come Naïve Bayes) siano la scelta migliore per i sistemi del mondo reale. Sebbene siano rapidi per un singolo compito, non possono gestire l'ora di punta di una giornata frenetica. Il paper sostiene anche contro l'uso di vecchi dati sbilanciati, dimostrando che senza il bilanciamento delle GAN, anche i migliori modelli faticano a trovare la frode.

Il Verdetto

Lo studio conclude che il modo migliore per catturare le frodi con carta di credito è utilizzare una GAN per creare un set di addestramento bilanciato e poi lasciare che un modello Ensemble come XGBoost faccia il rilevamento. Questa combinazione offre il meglio dei due mondi: un robot che è incredibilmente bravo a individuare i piccoli e rari frodatori, e un robot che è abbastanza veloce da fermarli prima che il denaro lasci il vostro conto.

Gli autori suggeriscono che questo approccio è una soluzione robusta e scalabile per i sistemi finanziari reali. Non hanno solo trovato una vittoria teorica; hanno simulato la pressione in tempo reale di un sistema di transazioni frenetico e hanno dimostrato che XGBoost può resistere al calore. Sebbene non abbiano sostenuto che questa sia la soluzione definitiva a tutte le frodi (poiché i ladri cambiano sempre i loro trucchi), hanno dimostrato che questa specifica combinazione di strumenti è un passo avanti molto forte, affidabile e pratico per proteggere i nostri portafogli digitali.