व्यवसायिक विसंगतियाँ: विसंगति का पता लगाने के साथ धोखाधड़ी की रोकथाम

MIDAS के साथ विसंगति का पता लगाना

विसंगति का पता लगाना पिछले पांच वर्षों में सबसे उपयोगी मशीन लर्निंग टूल्स में से एक बन गया है। इसका उपयोग धोखाधड़ी से लेकर गुणवत्ता नियंत्रण तक किया जा सकता है। क्या ऑनलाइन समीक्षा वेबसाइटों में धोखेबाजों को अलग करना संभव है? क्या धोखाधड़ी वित्तीय लेनदेन का पता लगाया जा सकता है जब वे होते हैं? क्या लाइव सेंसर डेटा बिजली ग्रिड विफलताओं के बारे में बता सकता है trước कि वे हों?

विसंगति का पता लगाना इन प्रश्नों के उत्तर प्रदान करता है। डेटा में विसंगतियों की पहचान करना एक महत्वपूर्ण डेटा समझने का कार्य है। मशीन लर्निंग टूल्स और सांख्यिकीय विधियों के साथ बड़े डेटासेट को उजागर करके, डेटा में सामान्य पैटर्न सीखे जा सकते हैं। जब असंगत घटनाएं होती हैं, तो विसंगति का पता लगाने वाले एल्गोरिदम असामान्य व्यवहार को अलग कर सकते हैं और उन घटनाओं को झंडा लगा सकते हैं जो सीखे गए पैटर्न के अनुरूप नहीं हैं। यह कार्यक्षमता कई व्यवसायिक उपयोगों में महत्वपूर्ण है। विसंगति का पता लगाना सुरक्षा से लेकर वित्त और आईओटी मॉनिटरिंग तक कई क्षेत्रों में अनुप्रयोगों को सक्षम बनाता है।

वेब-स्केल ग्राफ अब व्यापक हैं और बड़े डेटा संरचनाओं का एक सामान्य प्रतिनिधित्व हैं। वे ऑनलाइन और ऑफलाइन दोनों अनुप्रयोगों को शक्ति प्रदान करते हैं। ऑनलाइन कुछ उदाहरण बड़े सामाजिक नेटवर्क, उत्पाद अनुशंसा इंजन और वित्तीय लेनदेन ग्राफ हैं। ऑफलाइन में, सड़क नेटवर्क, आईओटी प्लेटफ़ॉर्म और बिजली ग्रिड में वोल्टेज सेंसर बड़े पैमाने पर ग्राफ जैसे डेटा के स्रोत हैं। डेटा को ग्राफ के रूप में प्रस्तुत करने से डेटा के मालिकों को लाभ और चुनौतियां दोनों मिलती हैं। एक ओर, यह डेटा बिंदुओं और उनके संबंधों को बहु-आयामी स्थान में प्रस्तुत करने की अनुमति देता है। दूसरी ओर, डेटा विश्लेषण और व्याख्या के लिए मापनीय एल्गोरिदम की आवश्यकता है। यह विसंगति का पता लगाने के तरीकों पर शोध पर ध्यान केंद्रित करने के लिए नेतृत्व किया है, जैसे कि ग्राफ डेटा पर विसंगति का पता लगाना।

आइए एक करीब से देखें एक राज्य-ऑफ-द-आर्ट एल्गोरिदम को विकसित किया गया है जो डायनामिक ग्राफ डेटा पर विसंगति का पता लगाने के लिए है।

MIDAS

माइक्रोक्लस्टर-आधारित डिटेक्टर ऑफ़ एनोमलीज़ इन एज स्ट्रीम (MIDAS) एक एल्गोरिदम है जो डायनामिक ग्राफ डेटा पर विसंगति का पता लगाने का सामना करता है। इसका विकास सिंगापुर नेशनल यूनिवर्सिटी के शोधकर्ताओं द्वारा किया गया है, जो दावा करते हैं कि उनकी विधि राज्य-ऑफ-द-आर्ट दृष्टिकोणों से बेहतर प्रदर्शन करती है। उनकी विधि पिछले विसंगति का पता लगाने वाले कार्यान्वयन की सबसे सामान्य कमी को दूर करती है:

नीचे सिंगापुर विश्वविद्यालय के सिद्धार्थ भाटिया और उनकी टीम द्वारा विकसित विसंगति का पता लगाने के लिए नई बेसलाइन है

MIDAS: ग्राफ़ में विसंगति का पता लगाने के लिए एक नया बेसलाइन. इमेज सोर्स: ब्लॉग

डेटा को एक स्थिर ग्राफ के रूप में प्रस्तुत करना

स्थिर ग्राफ केवल कनेक्टिविटी जानकारी chứaते हैं और समय जानकारी को नजरअंदाज करते हैं। वे ग्राफ स्नैपशॉट के रूप में भी जाने जाते हैं और केवल असामान्य ग्राफ इकाइयों (जैसे कि संदिग्ध नोड, एज या सबग्राफ) का पता लगाने के लिए उपयोग किए जा सकते हैं। हालांकि, कई व्यावहारिक अनुप्रयोगों के लिए, समय पहलू भी महत्वपूर्ण है: यह जानना महत्वपूर्ण है कि कब ग्राफ संरचना बदल गई है। उदाहरण के लिए, नेटवर्क ट्रैफिक स्ट्रीम का एक स्थिर ग्राफ एक एज केवल यह बताता है कि एक स्रोत आईपी पते और एक गंतव्य आईपी पते के बीच एक कनेक्शन है। लेकिन एज का समय विवरण गायब है और इसलिए दो पते कब जुड़े यह ज्ञात नहीं है। चूंकि स्थिर ग्राफ ऐसी समय जानकारी को मॉडल नहीं कर सकते हैं, स्थिर ग्राफ पर आधारित विसंगति का पता लगाने वाले तरीके वास्तविक दुनिया के अनुप्रयोगों के लिए सीमित समर्थन प्रदान करते हैं।

दूसरी ओर, MIDAS डायनामिक ग्राफ डेटा पर काम करता है। ग्राफ में प्रत्येक तत्व का एक संबंधित टाइमस्टैम्प है, जो दर्शाता है कि तत्व कब ग्राफ में जोड़ा गया था। ऊपर दिए गए उदाहरण के अनुसार, एक डायनामिक नेटवर्क ट्रैफिक ग्राफ यह भी बताएगा कि कब दो आईपी पतों के बीच एक कनेक्शन हुआ। टाइमस्टैम्प तब बदलता है जब एक मौजूदा एज या नोड को अपडेट किया जाता है या जब ग्राफ में नए एज जोड़े जाते हैं। इस प्रकार, डायनामिक ग्राफ एक समय-विकसित संरचना है जो कई वास्तविक दुनिया के अनुप्रयोगों के लिए बेहतर फिट होती है, जो प्रकृति में गतिशील होते हैं। वे कनेक्टिविटी और समय जानकारी दोनों का उपयोग संदिग्ध ग्राफ तत्वों का पता लगाने के लिए करते हैं। इस क्षमता के आधार पर, MIDAS वास्तविक समय में विसंगतियों का पता लगा सकता है और इसलिए कई व्यवसायिक उपयोगों के लिए समर्थन प्रदान करता है।

MIDAS डायनामिक ग्राफ डेटा पर अनुकूलित है। जैसा कि हमने ऊपर देखा, डायनामिक ग्राफ समय-परिवर्तनशील डेटा का प्रतिनिधित्व करने की अनुमति देते हैं। हालांकि, इसका मतलब यह भी है कि ग्राफ संरचना खुद समय के साथ बदलती है। यह विसंगति का पता लगाने वाले एल्गोरिदम के लिए कertain चुनौतियां प्रस्तुत करता है जो वास्तविक समय में इस डेटा का उपयोग करना चाहते हैं। एक उदाहरण विधि की मापनीयता ग्राफ की विशेषताओं के संबंध में है। बड़े डेटा वॉल्यूम के साथ कुछ अनुप्रयोगों के दिए गए, एल्गोरिदम को ग्राफ के आकार के संबंध में रैखिक रूप से मापनीय होना चाहिए। MIDAS ऑनलाइन मोड में चलता है और प्रत्येक एज को निरंतर समय और निरंतर मेमोरी में संसाधित करता है। लेखकों का यह भी दावा है कि एल्गोरिदम “162-633 गुना तेजी से चलता है राज्य-ऑफ-द-आर्ट दृष्टिकोणों से”। यह एल्गोरिदम को वास्तविक समय में अनुप्रयोगों के लिए उपयुक्त बनाता है, जहां उच्च मात्रा में डेटा स्ट्रीम का प्रसंस्करण आवश्यक है।

MIDAS की आवश्यकता वाले व्यवसायिक उपयोग

आज की दुनिया में विसंगति का पता लगाने का उपयोग करने वाले व्यवसायिक उपयोगों में एक झलक पाने के लिए, हमने कनाडा स्थित क्रिप्टोक्यूरेंसी प्रदाता, NDAX से साक्षात्कार किया। NDAX अपने व्यवसाय के तीन क्षेत्रों में विसंगति का पता लगाने का उपयोग करता है: सामान्य व्यवसायिक संचालन, विपणन विभाग और अनुपालन टीम। विसंगति का पता लगाना बग्स की पहचान करने में मदद करता है, जो वेबसाइट प्रदर्शन और क्लाइंट ऑनबोर्डिंग प्रक्रिया में सुधार करने में मदद करता है। यह सॉफ़्टवेयर विकास और बैक-ऑफिस ऑपरेशन टीमों को उन मुद्दों को हल करने के लिए मार्गदर्शन प्रदान करने में भी मदद करता है। वेबसाइट ट्रैफिक एक और क्षेत्र है जो विसंगति का पता लगाने की शक्ति का लाभ उठा सकता है। वेबसाइट ट्रैफिक में आउटलियर को समझने से विपणन टीम को यह समझने में मदद मिलती है कि क्या एक विपणन अभियान काम कर रहा है या नहीं। इससे उन्हें यह तय करने में मदद मिलती है कि किस क्षेत्र पर ध्यान केंद्रित करना सबसे महत्वपूर्ण है। हमारा अंतिम उदाहरण यह है कि क्लाइंट साइन-अप विसंगति कैसे अनुपालन टीम को संभावित धोखाधड़ी की पहचान करने और क्लाइंट जोखिम को कम करने में मदद करता है।

NDAX के मुख्य अनुपालन अधिकारी, जूलिया बारानोव्स्काया ने इस बात पर प्रकाश डाला कि कैसे विसंगति का पता लगाने का महत्व वर्तमान महामारी के दौरान बढ़ गया है। पिछले कुछ महीनों में धोखाधड़ी का पता लगाने में 300% की वृद्धि हुई है। हताश समय और उच्च ऑनलाइन ट्रैफिक सभी प्रकार के स्कैम को आमंत्रित करते हैं जो बेरोजगार और वृद्ध लोगों को लक्षित करते हैं। विसंगति का पता लगाने से, हम अब इन आउटलियर को धोखाधड़ी या रुझानों के संकेतक में बदल सकते हैं। निम्नलिखित ग्राफ दिखाता है कि इस साल के पहले भाग में धोखाधड़ी कैसे उतार-चढ़ाव हुई है।

NDAX ने Q2 में धोखाधड़ी में वृद्धि पाई, विशेष रूप से वृद्ध लोगों और नकली नौकरी पोस्टिंग से संबंधित घोटाले।

आपके व्यवसाय के बारे में क्या?

विसंगति का पता लगाने वाले एल्गोरिदम व्यवसायों को कई परिदृश्यों में असामान्य डेटा बिंदुओं की पहचान करने और प्रतिक्रिया करने में मदद कर सकते हैं। एक बैंक सुरक्षा प्रणाली धोखाधड़ी लेनदेन की पहचान के लिए विसंगति का पता लगाने का उपयोग कर सकती है। इसी तरह, निर्माण संयंत्र मालिक असामान्य उपकरण और भविष्य कहने वाले रखरखाव उपायों के साथ सौदा करने के लिए विसंगति का पता लगाने पर भरोसा करते हैं। आईओटी सेंसर नेटवर्क में, विसंगति का पता लगाना स्थिति निगरानी समाधानों और अवांछित मैलवेयर तैनाती की रोकथाम के लिए उपयोग किया जाता है। नीचे की बात स्पष्ट है: बड़ी मात्रा में डेटा तक पहुंच वाले व्यवसाय MIDAS (और अन्य विसंगति का पता लगाने वाले एल्गोरिदम) का उपयोग करके वास्तविक समय में असामान्य पैटर्न की पहचान कर सकते हैं।

आपका डेटा कैसे संरचित है और हम आपको एक आधुनिक विसंगति का पता लगाने वाला समाधान स्थापित करने में कैसे मदद कर सकते हैं?

हमें एक पंक्ति ड्रॉप करें और हमें बताएं। ब्लू ऑरेंज डिजिटल डेटा साइंस टीम विसंगति का पता लगाने को आपके लाभ के लिए भी काम करने में खुश है!

मुख्य छवि स्रोत: कैनवा