Jak wykrywać oszustwa kartą kredytową?

W dzisiejszych czasach transakcje kartami kredytowymi są wszechobecne — zakupy online, płacenie rachunków, podróże, itd. Niestety — rośnie także liczba oszustw związanych z kartami kredytowymi. Problem polega na tym, że przypadki fraudów (oszustw) są bardzo rzadkie w porównaniu z normalnymi transakcjami. To powoduje, że proste modele uczące się na surowych danych często „ignorują” te rzadkie przypadki — bo lepiej „opłaca się” popełnić błąd na fraudzie niż na tysiącach normalnych transakcji.

Publikacja “Credit Card Fraud Detection” (arXiv:2509.15044) analizuje, jak można poprawić wykrywanie oszustw, stosując techniki przetwarzania danych (równoważenia klas) oraz porównuje kilka modeli. To ważne, bo skuteczność takich systemów ma realne znaczenie — dla banków, platform płatniczych, dla bezpieczeństwa użytkowników.

O co chodzi?

Klasy i balans klas

Wyobraź sobie, że masz kosz na kulki: 10 000 białych (normalne transakcje) i tylko 20 czerwonych (oszustwa). Model uczący się na tym zbiorze danych może się nauczyć jednego prostego sposobu: zawsze mówić „nie(oszustwo)”. Bo jeśli zgadnie „nie” za każdym razem, to i tak będzie miał dokładność ~99.8% — bo większość to „nie”. Ale w praktyce to jest bez sensu — bo chcemy wykrywać właśnie te czerwone kulki (oszustwa).

Balansowanie klas to technika, którą stosujemy, żeby nauczyć model bardziej zwracać uwagę na rzadką klasę.

Co robili autorzy?

Wzięli rzeczywisty zbiór danych transakcji kartą kredytową (284 807 transakcji, z czego tylko 492 to fraudy).
Przygotowali dane i zastosowali trzy podejścia:
1. Undersampling – usuwanie części przykładów z klasy większościowej.
2. Oversampling / SMOTE – generowanie sztucznych przykładów z klasy mniejszościowej.
3. Podejście hybrydowe – połączenie obu.
Testowali modele: Logistic Regression, Random Forest, XGBoost, KNN, MLP.
Ważne: sprawdzali wyniki na oryginalnym zbiorze testowym (czyli nadal z ogromnym dysbalansem).

Wyniki

Hybrydowe podejście daje najlepszą równowagę pomiędzy wykrywaniem fraudów a unikaniem fałszywych alarmów.
Szczególnie dobrze sprawdza się w modelach KNN i MLP.

Praktyczne analogie

To jak patrol policyjny: jeśli zawsze pilnuje tylko tam, gdzie najwięcej ludzi, to rzadkie przestępstwa łatwo przeoczyć.
W banku: za dużo fałszywych alarmów = ludzie przestają reagować. Za mało = fraudy przechodzą niezauważone. Balans klas pomaga znaleźć kompromis.

W głąb tematu – szczegóły matematyczne

Problem formalnie

Dane:

$(x_{i} \in R^{d})$ – wektor cech transakcji,
$(y_{i} \in {0, 1})$ – etykieta (0 = normalna, 1 = fraud).

Nierównowaga:

Imbalance ratio = \frac{∣ { i : y _{i} = 0 } ∣}{∣ { i : y _{i} = 1 } ∣} ≫ 1

W zbiorze:

n = 284807, ∣ y = 1∣ = 492, ∣ y = 0∣ = 284315

Stosunek: ok. 578:1.

Techniki równoważenia

Undersampling – redukcja liczby przykładów z klasy większościowej.
SMOTE (oversampling syntetyczny) – interpolacja pomiędzy przykładami klasy mniejszościowej:

x_{new} = x_{i} + δ \cdot (x_{nn} - x_{i}), δ \sim U (0, 1)

Podejście hybrydowe – połączenie obu.

Modele

Logistic Regression (LR)
Random Forest (RF)
XGBoost (XGB)
K-Nearest Neighbors (KNN)
Multi-Layer Perceptron (MLP)

Metryki

Precision = $(\frac{T P}{T P + F P})$
Recall = $(\frac{T P}{T P + F N})$
$F 1 = (2 \cdot \frac{P r ec i s i o n \cdot R ec a l l}{P r ec i s i o n + R ec a l l})$

Funkcja kosztu z wagami klas

L = \frac{1}{n} i = 1 \sum n w_{y_{i}} \cdot ℓ (f (x_{i}), y_{i})

Algorytm krok po kroku

1. Podziel dane na train/test (test z oryginalnym dysbalansem).
2. Na train wykonaj undersampling klasy większościowej.
3. Zastosuj SMOTE na klasie mniejszościowej.
4. Połącz dane w zbiór zrównoważony.
5. Wytrenuj model (np. MLP, KNN).
6. Oceń na oryginalnym test secie metrykami precision, recall, F1.

Podsumowanie

Nierównowaga klas jest głównym wyzwaniem w wykrywaniu oszustw.
Podejście hybrydowe (undersampling + oversampling) daje najlepsze wyniki.
Modele nieliniowe (MLP, KNN) korzystają najbardziej z tego podejścia.
To podejście ma praktyczne znaczenie w systemach bankowych, e-commerce i fintech.
W przyszłości można rozważyć metody generatywne (np. GAN-y) i uczenie kosztowo-wrażliwe.

Dlaczego warto?

Bo od tego zależy, czy bank przeoczy fraud, czy zablokuje legalną transakcję. A to są decyzje, które codziennie dotykają milionów ludzi.

Linki

Na podstawie publikacji 📄 arXiv:2509.15044 PDF