An integrated multistage ensemble machine learning model for fraudulent transaction detection

تظل المعاملات الاحتيالية مصدر قلق مستمر للمؤسسات المالية والمنظمات، وهو ما يستلزم تطوير أدوات كشف فعالة قادرة على التمييز السريع والدقيق بين المعاملات المشروعة والمعاملات الاحتيالية، إذ تعتمد عملية تحديد الاحتيال ومنعه اعتمادًا كبيرًا على كشف الاحتيال في بطاقات الائتمان، وعلى الرغم من ندرة حالات الاحتيال في بطاقات الائتمان فإنها قد تتسبب في خسائر مالية كبيرة بسبب الكلفة العالية للمعاملات الاحتيالية، وعندما يكتشف الاحتيال مبكرًا يستطيع المحققون التحرك بسرعة لوقف مزيد من الخسائر، غير أن عملية التحقيق تستغرق وقتًا طويلًا، فلا يمكن فحص سوى عدد محدود من التنبيهات بعناية في اليوم الواحد، ومن هنا فإن الهدف الرئيس لأي نموذج لكشف الاحتيال هو خفض الإنذارات الكاذبة وحالات الاحتيال الفائتة معًا مع إنتاج تنبيهات دقيقة، وتقدم هذه الدراسة في هذا الإطار نموذجًا متكاملًا متعدد المراحل للتعلم الآلي التجميعي يضم بذكاء نماذج تجميعية متعددة المراحل متنوعة، مع معالجة لمشكلة اختلال توازن البيانات تتجاوز الأساليب التقليدية

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تحسين تحديد الاحتيال عبر تقديم نموذج متكامل متعدد المراحل للتعلم الآلي التجميعي يدمج نماذج تجميعية متعددة المراحل مختلفة، من بينها مصنف التجميع المستقل ومصنف التجميع بالحزم ومصنف التعلم الآلي التجميعي، ولمعالجة مشكلة اختلال توازن البيانات استخدمت الدراسة عددًا من الأساليب التي تتجاوز الطرق التقليدية، ومنها عتبة الصعوبة الفورية مقترنة بمصنف التعلم الآلي التجميعي، ومراكز العناقيد، وأداة خفض العينة العشوائي، وأجرت الدراسة تجاربها على مجموعة بيانات لبطاقات الائتمان متاحة للعموم تضم مئتين وأربعة وثمانين ألفًا وثمانمئة وسبع معاملات، وهو حجم كبير يتيح اختبار النموذج في ظروف قريبة من بيئات المعاملات عالية التكرار،

ثانيًا: أبرز النتائج

حقق النموذج المقترح معدلات أداء لافتة، إذ بلغت الدقة تسعة وتسعين وأربعة وتسعين من المئة في المئة، وبلغت الضبط تسعة وتسعين وواحدًا وتسعين من المئة في المئة، وبلغ الاسترجاع تسعة وتسعين وأربعة عشر من المئة في المئة، وبلغ مقياس إف واحد تسعة وتسعين واثنين وخمسين من المئة في المئة، بينما بلغ مقياس مساحة ما تحت المنحنى مئة في المئة كاملة، وأظهر النموذج بذلك أداءً متميزًا عبر جميع المقاييس المعتمدة في تقييم نماذج الكشف، وتفوق على التقنيات الحديثة القائمة في هذا المجال، وأشارت الدراسة إلى أن النموذج بهذا الأداء يضع معيارًا جديدًا لتحديد المعاملات الاحتيالية في سيناريوهات التكرار العالي بما يناسب تطبيقات كشف الاحتيال في العالم الواقعي، ويعود هذا التفوق بحسب تصميم الدراسة إلى التكامل بين النماذج التجميعية متعددة المراحل المتنوعة وإلى الأساليب المتقدمة في معالجة اختلال توازن البيانات، وهي معالجة جوهرية في هذا النوع من المشكلات لأن ندرة حالات الاحتيال مقارنة بالمعاملات المشروعة تجعل النماذج التقليدية منحازة أو عاجزة عن التقاط الحالات النادرة ذات الكلفة الأعلى، وقد أثبتت النتائج أن الدمج الذكي بين النماذج ومعالجات التوازن يحقق التوازن المطلوب بين تقليل الإنذارات الكاذبة وتقليل حالات الاحتيال الفائتة

ثالثًا: دلالات الدراسة وتطبيقاتها

تحمل نتائج الدراسة دلالات عملية مباشرة للمؤسسات المالية وشركات الدفع والمنظمات التي تعالج كميات ضخمة من المعاملات يوميًا، فدقة التنبيهات العالية تعني أن فرق التحقيق تستطيع تركيز جهودها المحدودة زمنيًا على تنبيهات جديرة بالفحص بدل إهدارها على إنذارات كاذبة كثيرة، وأن الاكتشاف المبكر الموثوق يتيح التحرك السريع لوقف الخسائر قبل تراكمها، كما يقدم النموذج للمطورين والباحثين في مجال التعلم الآلي مثالًا تطبيقيًا على جدوى النماذج التجميعية متعددة المراحل عندما تقترن بمعالجات متقدمة لاختلال توازن البيانات، وهي مشكلة متكررة في تطبيقات كثيرة تتسم بندرة الفئة المستهدفة، وتظل في الوقت نفسه الحاجة قائمة لاختبار النموذج على بيانات مؤسسات متنوعة وفي بيئات تشغيل حقيقية متغيرة، لأن أنماط الاحتيال تتطور باستمرار وتستدعي تحديث النماذج وإعادة تقييمها دوريًا، غير أن ما تقدمه هذه الدراسة من بنية متكاملة ومقاييس أداء شبه كاملة على مجموعة بيانات عامة كبيرة يجعلها مرجعًا واعدًا لتطوير أنظمة كشف احتيال أكثر كفاءة واعتمادية في القطاع المالي المعاصر

وخلاصة القول إن هذه الدراسة بنت نموذجًا متكاملًا متعدد المراحل للتعلم الآلي التجميعي جمع بين نماذج تجميعية متنوعة وأساليب متقدمة لمعالجة اختلال توازن البيانات، فحقق على مجموعة بيانات كبيرة لمعاملات بطاقات الائتمان دقة وضبطًا واسترجاعًا تجاوزت جميعها تسعة وتسعين في المئة مع مقياس مساحة تحت المنحنى كامل، متفوقًا على التقنيات الحديثة، ومقدمًا معيارًا جديدًا لكشف المعاملات الاحتيالية في البيئات عالية التكرار بما يخدم المؤسسات المالية في خفض خسائرها ورفع كفاءة تحقيقاتها