اكتشاف الاحتيال المالي باستخدام تقنية التحول البياني: كيف يحدث ذلك؟

تشهد الشبكات المعقدة للمعاملات المالية في الشركات تزايداً في أنشطة الاحتيال، مما يجعل تقنيات الكشف التقليدية غير كافية. هنا يأتي دور نموذج GTFD (Graph-Transformer Fraud Detector) الذي يقدم حلاً مبتكراً من خلال دمج الأدلة الهيكلية والزمنية للحصول على دقة عالية في الكشف عن الاحتيال.

يعتمد نموذج GTFD على شبكة تحويل بياني متعددة الرؤوس (Multi-head Graph Attention Network)، حيث يقوم بترميز الهيكل البياني لعمليات الدفع، بالإضافة إلى أنه يستخدم Transformer مشروط لترميز تسلسلات المعاملات المرتبة. من خلال طبقة بوابة متقاطعة، يتم دمج المعلومات من كلا الاتجاهين، مما يؤدي إلى تحسين أداء الكشف عن الاحتيال.

أحد أبرز مميزات النموذج هو رأس التحكم في المخاطر المتوافقة (Conformal Risk-Control Head)، الذي يتيح تحويل التمثيل المدمج إلى نقاط شذوذ بدون الاعتماد على العتبات، مع ضمانات تغطية محدودة العينة. إلى جانب ذلك، تم تدريب النموذج باستخدام طريقة التمهيد الذاتي (Self-Supervised Pretraining) مع تعزيز عدائي (Adversarial Augmentation) لضمان استقراره في ظروف نقص البيانات.

على مجموعة بيانات المعاملات المالية المليئة بحلقات احتيال منسقة، حقق نموذج GTFD مستوى AUROC يصل إلى 0.990، ومعدل F1 قدره 96.1%، ودقة تصل إلى 98.4%. كما أنه خفض معدل الإيجابيات الزائفة بنسبة 29% مقارنة بأقوى النماذج البديلة.

تعتبر النتائج مثيرة للإعجاب، حيث يظهر النموذج قدرة كبيرة على كشف الاحتيالات المنظمة، في حين أن اختبارات الضغط العدائية أظهرت أن GTFD يحتفظ بدقة تصل إلى 89.2% حتى مع تعرضه لتشويشات كبيرة. مع التطورات المستمرة في كشوف الاحتيالات المالية، يبدو أن نموذج GTFD سيكون له تأثير كبير في تحسين أمان المعاملات.