DOI: https://doi.org/10.3389/frai.2025.1643292
PMID: https://pubmed.ncbi.nlm.nih.gov/41132910
تاريخ النشر: 2025-10-08
المؤلف: Tahani Albalawi وآخرون
الموضوع الرئيسي: تقنيات تصنيف البيانات غير المتوازنة
نظرة عامة
تبحث الدراسة في فعالية تقنيات التعلم الآلي المختلفة، بما في ذلك الانحدار اللوجستي، شجرة القرار، الغابة العشوائية، ونموذج التعلم العميق المحسن، للكشف عن معاملات بطاقات الائتمان الاحتيالية. لمواجهة عدم التوازن الكبير في الفئات في مجموعة البيانات، استخدمت الدراسة تقنية الزيادة الاصطناعية للأقليات (SMOTE)، مما أدى إلى تحسينات ملحوظة في الأداء عبر جميع النماذج. برز نموذج الغابة العشوائية كأكثر الطرق التقليدية فعالية، حيث حقق دقة تبلغ 99.95%، ودرجة F1 تبلغ 0.8256، وROC-AUC تبلغ 0.9759. أظهر نموذج التعلم العميق، المعزز بخسارة مركزة وتقنيات تنظيم، أعلى دقة، مما يدل على فعاليته في تقليل الإيجابيات الكاذبة مع الحفاظ على استرجاع عالٍ.
تكمن جدّة الدراسة في دمج خسارة مركزة ضمن إطار التعلم العميق، مما يسمح للنموذج بالتركيز على الحالات الاحتيالية الصعبة. تظهر التحقق على كل من مجموعة بيانات بطاقات الائتمان من كاجل ومجموعة بيانات الأموال المحمولة الاصطناعية من باي سيم قوة وملاءمة الطرق المقترحة عبر المجالات. تشمل اتجاهات البحث المستقبلية توسيع قدرات الكشف لتحديد أنشطة الاحتيال المنسقة من خلال طرق التعلم القائم على الرسوم البيانية، مثل الشبكات العصبية الرسومية (GNNs)، وتطوير أطر التعلم الفيدرالي لتسهيل الكشف التعاوني عن الاحتيال مع ضمان خصوصية البيانات. بالإضافة إلى ذلك، يمكن أن يعزز دمج الذكاء الاصطناعي مع تقنيات البلوكتشين الشفافية وقابلية التدقيق في المعاملات المالية، مما يعزز المزيد من منهجيات الكشف عن الاحتيال.
مقدمة
تسلط المقدمة الضوء على التحدي المتزايد في الكشف عن الأنشطة الاحتيالية في المعاملات المالية، الذي تفاقم بسبب التعقيد المتزايد لخطط الاحتيال وانتشار منصات الدفع. في عام 2022، تجاوزت خسائر الاحتيال في الولايات المتحدة 8.8 مليار دولار، مما يمثل زيادة بنسبة 30% عن العام السابق، مما يبرز الحاجة الملحة للمؤسسات المالية لتعزيز أنظمة الكشف عن الاحتيال لديها. أصبح التعلم الآلي (ML) أداة محورية في هذا المجال، مما يتيح تحليل بيانات المعاملات الواسعة لتحديد أنماط السلوك الاحتيالي. على عكس الطرق الإحصائية التقليدية، يمكن لخوارزميات التعلم الآلي الكشف عن العلاقات المعقدة وغير الخطية والتكيف مع تكتيكات الاحتيال المتطورة.
تناقش المقدمة أيضًا التحدي الكبير الذي تطرحه عدم التوازن في الفئات في الكشف عن الاحتيال، حيث تتفوق المعاملات الشرعية بشكل كبير على المعاملات الاحتيالية، مما يؤدي إلى نماذج متحيزة. للتخفيف من هذه المشكلة، يتم استخدام تقنية الزيادة الاصطناعية للأقليات (SMOTE) لتوليد أمثلة اصطناعية من الفئة الأقل، مما يحسن أداء النموذج. تستخدم هذه الدراسة SMOTE لتعزيز ثلاثة نماذج تصنيف—الانحدار اللوجستي، شجرة القرار، والغابة العشوائية—على مجموعة بيانات حقيقية للاحتيال في بطاقات الائتمان. بالإضافة إلى ذلك، يتم تنفيذ نموذج تعلم عميق يستخدم خسارة مركزة للتركيز على المعاملات الاحتيالية التي يصعب تصنيفها. يخضع كل نموذج لضبط المعلمات الفائقة، مع تقييم الأداء باستخدام مقاييس مثل الدقة، والاسترجاع، ودرجة F1، والدقة، ومنحنى ROC-AUC.
طرق
في هذا القسم، يحدد المؤلفون منهجية منهجية للكشف عن الاحتيال في بطاقات الائتمان باستخدام التعلم الآلي، من خلال تنفيذ خوارزمية آلة تعزيز التدرج الخفيف (Light GBM). تبدأ العملية بمعالجة البيانات، والتي تتضمن إزالة السجلات المكررة، ومعالجة القيم المفقودة، وتوحيد واختيار الميزات لتحسين جودة البيانات وكفاءة التعلم. هذه الخطوة الأولية حاسمة لتقليل الضوضاء والسمات غير ذات الصلة، مما يحسن أداء النموذج.
لمعالجة عدم التوازن في الفئات، يتم استخدام تقنية الزيادة الاصطناعية للأقليات (SMOTE) لتوليد عينات اصطناعية من الفئة الأقل (المعاملات الاحتيالية)، مما يضمن عدم تحيز النموذج نحو الفئة الأكثر (المعاملات غير الاحتيالية). تقيم الدراسة ثلاثة خوارزميات تعلم تحت الإشراف—الانحدار اللوجستي، شجرة القرار، والغابة العشوائية—كل منها يوفر قدرات اتخاذ قرار فريدة، مما يسمح بمقارنة شاملة لفعاليتها على مجموعة البيانات غير المتوازنة. تشمل المرحلة النهائية ضبط المعلمات الفائقة لتحسين أداء كل خوارزمية، مما يؤدي في النهاية إلى إطار قوي وعالي الأداء للكشف عن الاحتيال في بطاقات الائتمان.
النتائج
في هذه الدراسة، تم تطوير إطار شامل يجمع بين نماذج التعلم الآلي التقليدية مع بنية التعلم العميق المحسنة لتحسين دقة الكشف ومعالجة عدم التوازن في الكشف عن الاحتيال. تم معالجة مجموعة البيانات باستخدام تقنية الزيادة الاصطناعية للأقليات (SMOTE) لتحقيق توازن في توزيع الفئات، وتم تقييم نماذج مختلفة—بما في ذلك الانحدار اللوجستي، شجرة القرار، الغابة العشوائية، ونموذج التعلم العميق المحسن—باستخدام مقاييس مثل الدقة، والدقة، والاسترجاع، ودرجة F1، وROC-AUC. أشارت النتائج إلى أن نموذج التعلم العميق المحسن تفوق في تحديد حالات الفئة الأقل، محققًا أفضل أداء عام بدقة تبلغ 72.97%، واسترجاع يبلغ 87.10%، ودرجة F1 تبلغ 0.7941.
بين النماذج الكلاسيكية، أظهرت الغابة العشوائية أعلى درجة F1 (0.8256) وROC-AUC (0.9759)، مما يعكس توازنًا قويًا بين الحساسية والخصوصية. حقق الانحدار اللوجستي أعلى استرجاع (90.32%) ولكنه عانى من دقة منخفضة (15.73%)، مما يدل على معدل إيجابيات كاذبة مرتفع. أظهر نموذج شجرة القرار أداءً متوازنًا مع حد أدنى من الإيجابيات الكاذبة، بينما تفوق XGBoost على جميع النماذج بدقة تبلغ 91.67%، واسترجاع يبلغ 95.00%، ودرجة F1 تبلغ 93.30. أظهر تقدم تدريب نموذج التعلم العميق تقاربًا سريعًا في الدقة وخسارة منخفضة، مما يؤكد التدريب الفعال دون الإفراط في التكيف. بشكل عام، تؤكد النتائج على أهمية تقنيات التوازن والتقييم الشامل في تعزيز قدرات الكشف عن الاحتيال.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على التقدمات الأخيرة في الكشف عن الاحتيال في بطاقات الائتمان، مع التركيز على فعالية تقنيات التعلم الآلي (ML) والتعلم العميق (DL) المختلفة، خاصة في معالجة قضايا عدم التوازن في الفئات. تشمل المساهمات الملحوظة النموذج الهجين المقترح من قبل تالوكدر وآخرون (2024) وتطبيق الشبكات العصبية الرسومية من قبل دو وآخرون (2020) لتعزيز قوة الكشف عن الاحتيال. تبني الدراسة على هذه النتائج من خلال استخدام تقنية الزيادة الاصطناعية للأقليات (SMOTE) للتخفيف من عدم التوازن في مجموعة بيانات تتميز فقط بـ 0.17% من المعاملات الاحتيالية. تشير النتائج إلى أن الغابة العشوائية تفوقت على النماذج التقليدية من حيث الدقة، والاسترجاع، ودرجة F1، بينما حقق نموذج التعلم العميق المحسن الذي يدمج خسارة مركزة أعلى أداء عام، مما يظهر قدرته على تصنيف الحالات الاحتيالية التي يصعب اكتشافها بفعالية.
تناقش الورقة أيضًا آثار اختيار النموذج والمعالجة المسبقة على فعالية الكشف عن الاحتيال. حسنت تطبيق SMOTE بشكل كبير من حساسية النموذج تجاه المعاملات الاحتيالية، حيث أظهر نموذج التعلم العميق استقرارًا ودقة متفوقين. من حيث الجدوى الحسابية، بينما تعتبر النماذج التقليدية مثل الانحدار اللوجستي وشجرات القرار مناسبة للتطبيقات في الوقت الحقيقي بسبب أوقات الاستدلال المنخفضة، يظل نموذج التعلم العميق، على الرغم من متطلباته الحسابية الأعلى، قابلاً للتطبيق مع الأجهزة المناسبة. تختتم الدراسة باقتراح اتجاهات البحث المستقبلية، بما في ذلك استكشاف طرق التعلم القائم على الرسوم البيانية وأطر التعلم الفيدرالي لتعزيز الكشف التعاوني عن الاحتيال مع الحفاظ على خصوصية البيانات، فضلاً عن دمج الذكاء الاصطناعي مع تقنيات البلوكتشين لتحسين الشفافية وقابلية التدقيق في المعاملات.
DOI: https://doi.org/10.3389/frai.2025.1643292
PMID: https://pubmed.ncbi.nlm.nih.gov/41132910
Publication Date: 2025-10-08
Author(s): Tahani Albalawi et al.
Primary Topic: Imbalanced Data Classification Techniques
Overview
The research investigates the efficacy of various machine learning techniques, including Logistic Regression, Decision Tree, Random Forest, and an Enhanced Deep Learning model, for detecting fraudulent credit card transactions. To tackle the significant class imbalance in the dataset, the study employed the Synthetic Minority Over-Sampling Technique (SMOTE), which led to notable performance enhancements across all models. The Random Forest model emerged as the most effective traditional approach, achieving an accuracy of 99.95%, an F1 score of 0.8256, and a ROC-AUC of 0.9759. The deep learning model, augmented with focal loss and regularization techniques, exhibited the highest precision, indicating its effectiveness in minimizing false positives while maintaining high recall.
The study’s novelty lies in the integration of focal loss within the deep learning framework, which allows the model to concentrate on challenging fraudulent cases. Validation on both the Kaggle credit card dataset and the PaySim synthetic mobile money dataset demonstrates the robustness and cross-domain applicability of the proposed methods. Future research directions include expanding detection capabilities to identify coordinated fraud activities through graph-based learning methods, such as graph neural networks (GNNs), and developing federated learning frameworks to facilitate collaborative fraud detection while ensuring data privacy. Additionally, integrating AI with blockchain technologies could enhance the transparency and auditability of financial transactions, further advancing fraud detection methodologies.
Introduction
The introduction highlights the escalating challenge of detecting fraudulent activities in financial transactions, exacerbated by the increasing complexity of fraud schemes and the proliferation of payment platforms. In 2022, fraud losses in the United States exceeded $8.8 billion, marking a 30% increase from the previous year, which underscores the urgent need for financial institutions to enhance their fraud detection systems. Machine learning (ML) has emerged as a pivotal tool in this domain, enabling the analysis of extensive transaction data to identify patterns of fraudulent behavior. Unlike traditional statistical methods, ML algorithms can reveal complex, nonlinear relationships and adapt to evolving fraud tactics.
The introduction also addresses the significant challenge posed by class imbalance in fraud detection, where legitimate transactions vastly outnumber fraudulent ones, leading to biased models. To mitigate this issue, the Synthetic Minority Over-sampling Technique (SMOTE) is utilized to generate synthetic examples of the minority class, thereby improving model performance. This study employs SMOTE to enhance three classification models—Logistic Regression, Decision Tree, and Random Forest—on a real-world credit card fraud dataset. Additionally, a deep learning model utilizing focal loss is implemented to focus on hard-to-classify fraudulent transactions. Each model undergoes hyperparameter tuning, with performance assessed using metrics such as precision, recall, F1 score, accuracy, and the ROC-AUC curve.
Methods
In this section, the authors outline a systematic methodology for credit card fraud detection utilizing machine learning, specifically through the implementation of the Light Gradient Boosting Machine (Light GBM) algorithm. The process begins with data preprocessing, which involves the removal of duplicate records, handling of missing values, and standardization and selection of features to enhance data quality and learning efficiency. This initial step is crucial for minimizing noise and irrelevant attributes, thereby improving the model’s performance.
To address class imbalance, the Synthetic Minority Over-sampling Technique (SMOTE) is employed to generate synthetic samples of the minority class (fraudulent transactions), ensuring that the model does not become biased towards the majority class (non-fraudulent transactions). The study evaluates three supervised learning algorithms—Logistic Regression, Decision Tree, and Random Forest—each providing unique decision-making capabilities, allowing for a thorough comparison of their effectiveness on the imbalanced dataset. The final phase includes hyperparameter tuning to optimize each algorithm’s performance, ultimately resulting in a robust and high-performing credit card fraud detection framework.
Results
In this study, a comprehensive framework combining traditional machine learning models with an enhanced deep learning architecture was developed to improve detection accuracy and address class imbalance in fraud detection. The dataset was preprocessed using the Synthetic Minority Over-sampling Technique (SMOTE) to balance class distribution, and various models—including Logistic Regression, Decision Tree, Random Forest, and an Improved Deep Learning model—were evaluated using metrics such as Accuracy, Precision, Recall, F1 Score, and ROC-AUC. The results indicated that the Improved Deep Learning model excelled in identifying minority class instances, achieving the best overall performance with a precision of 72.97%, recall of 87.10%, and an F1 score of 0.7941.
Among the classical models, Random Forest demonstrated the highest F1 score (0.8256) and ROC-AUC (0.9759), reflecting a strong balance between sensitivity and specificity. Logistic Regression achieved the highest recall (90.32%) but suffered from low precision (15.73%), indicating a high false positive rate. The Decision Tree model exhibited balanced performance with minimal false positives, while XGBoost outperformed all models with a precision of 91.67%, recall of 95.00%, and an F1 score of 93.30. The training progress of the deep learning model showed rapid convergence in accuracy and low loss, confirming effective training without overfitting. Overall, the findings underscore the importance of balancing techniques and comprehensive evaluation in enhancing fraud detection capabilities.
Discussion
The discussion section of the paper highlights recent advancements in credit card fraud detection, emphasizing the effectiveness of various machine learning (ML) and deep learning (DL) approaches, particularly in addressing class imbalance issues. Notable contributions include the hybrid ensemble model proposed by Talukder et al. (2024) and the application of graph neural networks by Dou et al. (2020) to enhance fraud detection robustness. The study builds on these findings by employing the Synthetic Minority Over-sampling Technique (SMOTE) to mitigate class imbalance in a dataset characterized by only 0.17% fraudulent transactions. The results indicate that Random Forest outperformed traditional models in terms of precision, recall, and F1 score, while an enhanced deep learning model incorporating focal loss achieved the highest overall performance, demonstrating its capability to effectively classify hard-to-detect fraudulent cases.
The paper also discusses the implications of model selection and preprocessing on fraud detection efficacy. The application of SMOTE significantly improved model sensitivity to fraudulent transactions, with the deep learning model exhibiting superior stability and accuracy. In terms of computational feasibility, while traditional models like Logistic Regression and Decision Trees are suitable for real-time applications due to low inference times, the deep learning model, despite its higher computational demands, remains viable with appropriate hardware. The study concludes by suggesting future research directions, including the exploration of graph-based learning methods and federated learning frameworks to enhance collaborative fraud detection while preserving data privacy, as well as the integration of AI with blockchain technologies for improved transaction transparency and auditability.