ما زال احتيال بطاقات الائتمان يسبب خسائر مالية كبيرة حول العالم، إذ يكلف المؤسسات والمستهلكين مليارات الدولارات كل عام، ويقوض الثقة في المدفوعات الرقمية التي تعتمد عليها التجارة الحديثة، وتتصف الأنشطة الاحتيالية بالندرة والقدرة العالية على التكيف وتزايد التعقيد، ما يجعل اكتشافها صعبًا بالنماذج التقليدية القائمة على القواعد أو النماذج الثابتة التي تعجز عن مواكبة أساليب المحتالين المتجددة، وتقدم هذه الدراسة إطارًا جديدًا يجمع بين اختيار السمات المحسَّن والتعلم الآلي لرفع دقة كشف الاحتيال وكفاءته، وتتطلب البنوك وشركات الدفع أنظمة كشف تعمل في زمن قريب من الزمن الحقيقي، تحلل ملايين المعاملات يوميًا وتميز الشاذ منها دون تعطيل تجربة العملاء الأبرياء أو إرباك عملياتهم المشروعة، وهو تحد مزدوج يجمع بين الدقة العالية والسرعة والكلفة الحوسبية المقبولة في منظومة واحدة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تحسين دقة كشف احتيال بطاقات الائتمان وكفاءته عبر إطار خوارزمية تحسين النسر الغريفون الثنائية المقترنة بالبحث المحلي، ويدمج الإطار اختيار السمات الأمثل مع التعلم الآلي من أجل تحديد الاحتيال على نحو أفضل، وذلك باختيار سمات المعاملات الأكثر صلة بالسلوك الاحتيالي وإزالة الضوضاء والتكرار الزائد، بحيث تركز المصنّفات على الأنماط الأكثر دلالة على الاحتيال، ولمعالجة عدم التوازن الشديد بين السجلات المشروعة والاحتيالية طبقت الدراسة تقنية إعادة المعاينة العشوائية بالحذف لتقليص السجلات المشروعة، بما يساعد على تقليل الإيجابيات الكاذبة وحالات الكشف الفائتة، ثم قُيمت السمات المختارة بواسطة ثلاثة مصنّفات هي شجرة القرار والجار الأقرب وشجرة تعزيز التدرج القصوى عبر ثلاث مجموعات بيانات هي الأوروبية والأسترالية وباي سيم، وتنتمي خوارزمية النسر الغريفون إلى عائلة الأساليب الاستدلالية الفوقية المستوحاة من الطبيعة، وقد صيغت في الدراسة بصورة ثنائية تلائم طبيعة قرار اختيار السمة أو استبعادها، بينما يتولى البحث المحلي صقل الحلول المرشحة وتنقيتها، فيتكامل الاستكشاف الواسع لفضاء الحلول الممكنة مع الاستغلال الدقيق لأجود مناطقها، واختيرت مصنّفات متنوعة الأسس لتعميم الحكم على جودة السمات المختارة عبر أساليب تصنيف مختلفة لا أسلوب واحد بعينه
ثانيًا: أبرز النتائج
أظهرت النتائج أن الإطار المقترح حقق دقة تصل إلى 99.8 في المئة في كشف الاحتيال، وخفض عدد السمات المستخدمة بنسبة 67 في المئة، وتفوق على التقنيات الاستدلالية الفوقية الأخرى المستخدمة للمقارنة، وأتاح فحصًا أسرع للمعاملات وكلفًا حوسبية أدنى ومنعًا للاحتيال أكثر اعتمادًا وجدارة بالثقة، بما يعزز قدرة المؤسسات المالية على اعتراض العمليات الاحتيالية مبكرًا دون إبطاء معالجة العمليات المشروعة أو إغراق فرق المراجعة بتنبيهات كاذبة، ويعني خفض عدد السمات بهذه النسبة الكبيرة أن النموذج يعمل ببيانات أخف ومتطلبات ذاكرة أقل، ما يختصر زمن التدريب والفحص ويرفع قابلية تفسير قرارات النموذج لدى فرق مكافحة الاحتيال التي تحتاج إلى فهم أسباب تصنيف المعاملة احتيالية أو مشروعة لا مجرد نتيجتها النهائية، وقد استقرت هذه المكاسب عبر مجموعات البيانات الثلاث على اختلاف مصادرها وخصائص معاملاتها
ثالثًا: دلالات الدراسة وتطبيقاتها
تكمن دلالة الدراسة في تقديمها مسارًا عمليًا لبناء أنظمة كشف احتيال قادرة على التكيف مع تطور أساليب المحتالين، إذ يجمع الإطار بين تقليص أبعاد البيانات ورفع دقة التصنيف في منظومة واحدة، ويمكن للمؤسسات المصرفية وشركات المدفوعات الاستفادة منه في تحديث أنظمتها الدفاعية ورفع كفاءة الفحص الآني للمعاملات، كما يفتح المجال أمام بحوث لاحقة تختبر الإطار على بيانات أحدث وأنماط احتيال ناشئة وتقارنه بمداخل تعلم عميق أخرى، كما تصلح المقاربة ذاتها لمهام مالية ورقابية أخرى ذات طبيعة مشابهة مثل كشف غسل الأموال ومراقبة المعاملات المشبوهة، مع تكييفها بحسب خصائص كل مهمة وبياناتها، وتشدد النتائج على أهمية معالجة عدم توازن البيانات معالجة منهجية صريحة قبل الحكم على أي نموذج كشف، إذ قد تخفي الدقة الظاهرة المرتفعة إخفاقًا خطيرًا في التقاط الحالات النادرة التي هي لب المشكلة وجوهرها أصلًا
وخلاصة القول إن مواجهة احتيال بطاقات الائتمان تتطلب أدوات ذكية تتطور بسرعة تطور أساليب الاحتيال ذاته، وإن الإطار المقترح في هذه الدراسة يبرهن على أن اختيار السمات المحسَّن بعناية يمكن أن يرفع الدقة ويخفض الكلفة الحوسبية في آن واحد، ما يجعله إضافة عملية واعدة إلى منظومات الأمن المالي وحماية المدفوعات الرقمية
