Improving Credit Card Fraud Detection Using Ensemble Machine Learning Techniques

O Detetive Digital e a Agulha no Palheiro

Imagine que você está caminhando por uma cidade enorme e movimentada, onde milhões de pessoas estão comprando café, pagando aluguel e pedindo pizza a cada segundo. Nesta cidade, existem batedores de carteira tentando roubar carteiras, mas eles são incrivelmente raros — talvez apenas 2 ou 3 ladrões para cada 100 compradores honestos. Se você contratasse um segurança cujo único trabalho fosse identificar esses ladrões, eles poderiam ficar muito bons em dizer "Ninguém está roubando!", porque, estatisticamente, eles estão certos quase o tempo todo. Mas esse é um péssimo trabalho para um segurança! Se eles perderem até mesmo um único ladrão, as consequências são enormes. Este é o pesadelo diário das empresas de cartões de crédito online: elas têm que encontrar os pequenos e sorrateiros fraudadores escondidos dentro de uma montanha de transações perfeitamente normais.

Para resolver isso, os cientistas usam algo chamado Aprendizado de Máquina (Machine Learning). Pense nisso como um robô superinteligente que aprende lendo o passado. Ele analisa milhares de transações passadas para entender o que é um gasto "normal" e o que é um gasto "suspeito". No entanto, há um problema: como existem poucos casos de fraude, o robô fica confuso. É como tentar aprender a aparência de um leão mostrando ao robô apenas uma foto de um leão uma única vez, enquanto mostra a ele um milhão de fotos de gatos. O robô simplesmente pensará: "Ah, tudo é um gato!". Para corrigir isso, os pesquisadores usam um truque inteligente chamado Redes Adversárias Generativas (GANs). Você pode pensar em uma GAN como um mestre falsificador e um mestre detetive trabalhando juntos. O falsificador tenta criar fotos de "leões" falsas que pareçam tão reais que enganem o detetive, enquanto o detetive fica melhor em detectar as falsificações. Quando eles terminam, o detetive já viu "leões" suficientes para finalmente reconhecer os reais. Este artigo explora como usar esses falsificadores e detetives digitais para pegar ladrões de cartão de crédito de forma mais rápida e inteligente.

---

A Grande Ideia do Artigo: Ensinando Robôs a Encontrar a Agulha

Neste estudo, uma equipe de pesquisadores da Universidade Cadi Ayyad, em Marrocos, decidiu construir um segurança digital melhor. Eles queriam ver se poderiam combinar o truque do "falsificador" (GANs) com uma equipe de diferentes robôs de aprendizado de máquina (chamados de Aprendizado de Conjunto ou Ensemble Learning) para detectar fraudes de cartão de crédito em tempo real. Eles não queriam apenas um robô que fosse preciso; eles queriam um que fosse rápido o suficiente para deter um ladrão antes mesmo de a transação ser concluída.

Os pesquisadores começaram com um conjunto de dados do mundo real de um site chamado AirportRental. Ele continha 76.900 transações, mas aqui estava o problema: apenas 1.922 delas (cerca de 2,5%) eram realmente fraudulentas. Era um enorme palheiro com pouquíssimas agulhas.

Primeiro, eles tentaram ensinar seus robôs usando esses dados desequilibrados e bagunçados. Como esperado, os robôs priorizaram a classe majoritária. Eles eram tão bons em dizer "Esta é uma transação normal" que perdiam a maioria das fraudes. Mas então, os pesquisadores trouxeram as GANs. Eles usaram a equipe de falsificador-detetive para criar exemplos sintéticos (falsos, mas realistas) de transações fraudulentas. Eles misturaram esses novos exemplos com os reais até que o conjunto de dados estivesse perfeitamente equilibrado: 50% de transações normais e 50% de transações fraudulentas. De repente, os robôs tinham um guia de estudos muito melhor.

Em seguida, eles testaram uma linha de diferentes modelos de aprendizado de máquina para ver qual era o melhor detetive. Eles testaram:

• Regressão Logística e Naïve Bayes (pensadores simples e rápidos).
• KNN e SVM (pensadores mais lentos e complexos).
• Random Forest e XGBoost (equipes poderosas de tomadores de decisão trabalhando juntos).

Eles mediram duas coisas: O quão bons eles eram em capturar a fraude? (Isso é chamado de Recall ou Sensibilidade). E o quão rápidos eles eram? (Isso é o Tempo de Execução).

Os Resultados: A Equipe Veloz Vence

Os experimentos mostraram que o truque do "falsificador" fez maravilhas. Quando os robôs aprenderam com os dados equilibrados criados pelas GANs, sua capacidade de detectar fraudes disparou. Em média, o seu Recall (a habilidade de encontrar os bandidos) saltou cerca de 25 pontos percentuais. Isso significa que eles pararam de perder os ladrões.

Entre todos os modelos testados, uma equipe se destacou como a clara campeã: o XGBoost.

Aqui está o porquê do XGBoost ser a estrela do show:

1. Foi o mais preciso: Nos dados equilibrados, o XGBoost alcançou uma Precisão de 95% (ele estava certo quase todas as vezes que levantava um alerta) e um Recall de 93% (ele pegou quase toda a fraude). Ele também teve um AUC-ROC de 99%, que é uma forma elegante de dizer que ele era quase perfeito em distinguir entre transações boas e ruins.
2. Foi o mais rápido sob pressão: Esta é a parte mais emocionante. Os pesquisadores não testaram apenas os robôs um por um; eles simularam um balcão de aluguel de aeroporto movimentado, onde centenas de transações aconteciam ao mesmo tempo.
   • Ao lidar com apenas 1 transação, os modelos simples como o Naïve Bayes foram os mais rápidos, levando apenas 0,09 milissegundos.
   • Mas conforme a multidão crescia para 30 transações simultâneas, os modelos simples e os complexos (como KNN e SVM) começaram a ficar dramaticamente lentos. O tempo do KNN saltou para 18,45 ms, e o do SVM para 21,10 ms. O desempenho deles "degradou" (piorou) em mais de 800%.
   • O XGBoost, no entanto, manteve a calma. Mesmo com 30 transações, ele levou apenas 2,90 milissegundos. Seu desempenho ficou apenas cerca de 480% mais lento, o que representa a melhor estabilidade do grupo.

O artigo descarta explicitamente a ideia de que os modelos simples mais rápidos (como o Naïve Bayes) são a melhor escolha para sistemas do mundo real. Embora sejam rápidos para uma única tarefa, eles não conseguem lidar com a hora do rush de um dia movimentado. O artigo também argumenta contra a dependência de dados antigos e desequilibrados, mostrando que, sem o equilíbrio das GANs, mesmo os melhores modelos têm dificuldade em encontrar a fraude.

O Veredito

O estudo conclui que a melhor maneira de detectar fraudes de cartão de crédito é usar uma GAN para criar um conjunto de treinamento equilibrado e, em seguida, deixar um modelo de Ensemble como o XGBoost fazer a detecção. Essa combinação oferece o melhor dos dois mundos: um robô que é incrivelmente bom em detectar os pequenos e raros fraudadores, e um robô que é rápido o suficiente para detê-los antes que o dinheiro saia da sua conta.

Os autores sugerem que esta abordagem é uma solução robusta e escalável para sistemas financeiros do mundo real. Eles não apenas encontraram uma vitória teórica; eles simularam a pressão em tempo real de um sistema de transações movimentado e provaram que o XGBoost consegue aguentar o calor. Embora não tenham alegado que esta seja a solução final para toda a fraude (já que os ladrões estão sempre mudando seus truques), eles mostraram que essa combinação específica de ferramentas é um passo à frente muito forte, confiável e prático para manter nossas carteiras digitais seguras.