ایمیزون فراڈ ڈیٹیکٹر کا استعمال کرتے ہوئے دھوکہ دہی کے احکامات کی کس طرح واضح طور پر درست پیش گوئی کرتا ہے

اس پوسٹ کو مشین لرننگ ٹیم لیڈ زیو پولک اور کلیئرلی میں مشین لرننگ انجینئر ساروی لولوئی نے مل کر لکھا تھا۔ اس پوسٹ میں مواد اور آراء تیسرے فریق کے مصنفین کی ہیں اور AWS اس پوسٹ کے مواد یا درستگی کے لیے ذمہ دار نہیں ہے۔

آن لائن خریداری میں ایک علمبردار، واضح طور پر 2000 میں اپنی پہلی سائٹ کا آغاز کیا۔ تب سے، ہم دنیا کے سب سے بڑے آن لائن چشموں کے خوردہ فروشوں میں سے ایک بن گئے ہیں، جو کینیڈا، امریکہ، آسٹریلیا، اور نیوزی لینڈ میں صارفین کو چشمے فراہم کرتے ہیں، دھوپ کے چشمے، کانٹیکٹ لینز، اور آنکھوں کی صحت کی دیگر مصنوعات۔ کمزور بینائی کو ختم کرنے کے اپنے مشن کے ذریعے، واضح طور پر چشم کشا کو سستی اور ہر کسی کے لیے قابل رسائی بنانے کی کوشش کرتا ہے۔ فراڈ کا پتہ لگانے کے لیے موزوں پلیٹ فارم بنانا اس وسیع وژن کا کلیدی حصہ ہے۔

آن لائن فراڈ کی نشاندہی کرنا ہر آن لائن ریٹیل آرگنائزیشن کو درپیش سب سے بڑے چیلنجوں میں سے ایک ہے — ہر سال فراڈ کی وجہ سے لاکھوں ڈالر کا نقصان ہوتا ہے۔ پروڈکٹ کی لاگت، شپنگ کے اخراجات، اور جعلی آرڈرز کو سنبھالنے کے لیے مزدوری کے اخراجات دھوکہ دہی کے اثرات کو مزید بڑھاتے ہیں۔ آسان اور تیز دھوکہ دہی کی تشخیص اعلیٰ صارفین کی اطمینان کی شرح کو برقرار رکھنے کے لیے بھی اہم ہے۔ فراڈ کی تحقیقات کے طویل چکروں کی وجہ سے لین دین میں تاخیر نہیں ہونی چاہیے۔

اس پوسٹ میں، ہم اس بات کا اشتراک کرتے ہیں کہ کس طرح واضح طور پر استعمال کرتے ہوئے ایک خودکار اور آرکیسٹریٹڈ پیشن گوئی پائپ لائن بنائی AWS اسٹیپ فنکشنز، اور استعمال کیا جاتا ہے۔ ایمیزون فراڈ ڈیٹیکٹر مشین لرننگ (ML) ماڈل کو تربیت دینے کے لیے جو آن لائن دھوکہ دہی پر مبنی لین دین کی شناخت کر سکے اور انہیں بلنگ آپریشنز ٹیم کی توجہ دلائے۔ یہ حل میٹرکس اور لاگز بھی جمع کرتا ہے، آڈیٹنگ فراہم کرتا ہے، اور خود بخود طلب کیا جاتا ہے۔

AWS خدمات کے ساتھ، واضح طور پر صرف چند ہفتوں میں بغیر سرور کے، اچھی طرح سے تعمیر شدہ حل کو تعینات کر دیا ہے۔

چیلنج: دھوکہ دہی کی فوری اور درست پیشین گوئی کرنا

واضح طور پر کا موجودہ حل سخت کوڈ والے اصولوں کا استعمال کرتے ہوئے لین دین کو فلیگ کرنے پر مبنی تھا جو فراڈ کے نئے نمونوں کو پکڑنے کے لیے کافی بار بار اپ ڈیٹ نہیں ہوتے تھے۔ ایک بار جھنڈا لگانے کے بعد، بلنگ آپریشنز ٹیم کے ایک رکن کے ذریعہ لین دین کا دستی طور پر جائزہ لیا گیا۔

اس موجودہ عمل میں بڑی خرابیاں تھیں:

• پیچیدہ اور غلط – دھوکہ دہی کے لین دین کی شناخت کے لیے سخت کوڈ والے قواعد کو اپ ڈیٹ کرنا مشکل تھا، یعنی ٹیم ابھرتے ہوئے فراڈ کے رجحانات کا فوری جواب نہیں دے سکی۔ قواعد بہت سے مشکوک لین دین کی درست شناخت کرنے سے قاصر تھے۔
• آپریشنل طور پر شدید - یہ عمل زیادہ سیلز والیوم ایونٹس (جیسے بلیک فرائیڈے) تک نہیں پہنچ سکا، جس کے لیے ٹیم کو کام کرنے کی ضرورت ہوتی ہے یا زیادہ دھوکہ دہی کی شرح کو قبول کرنا پڑتا ہے۔ مزید برآں، انسانی شمولیت کی اعلیٰ سطح نے مصنوعات کی ترسیل کے عمل میں نمایاں لاگت کا اضافہ کیا۔
• تاخیری احکامات - آرڈر کی تکمیل کی ٹائم لائن میں دستی فراڈ کے جائزوں کی وجہ سے تاخیر ہوئی، جس کی وجہ سے صارفین ناخوش ہوئے۔

اگرچہ ہمارا موجودہ دھوکہ دہی کی شناخت کا عمل ایک اچھا نقطہ آغاز تھا، لیکن یہ آرڈر کی تکمیل کی افادیت کو پورا کرنے کے لیے نہ تو اتنا درست تھا اور نہ ہی اتنا تیز تھا۔

ایک اور بڑا چیلنج جس کا ہمیں سامنا کرنا پڑا وہ ایک مدتی ایم ایل ٹیم کی کمی تھی - تمام ممبران کمپنی کے ساتھ ایک سال سے بھی کم وقت میں جب پروجیکٹ شروع ہوا تھا۔

حل کا جائزہ: ایمیزون فراڈ ڈیٹیکٹر

Amazon فراڈ ڈیٹیکٹر ایک مکمل طور پر منظم سروس ہے جو دھوکہ دہی کا انتہائی درست پتہ لگانے کے لیے ML کا استعمال کرتی ہے اور اس کے لیے ML مہارت کی ضرورت نہیں ہے۔ ہمیں بس اپنا ڈیٹا اپ لوڈ کرنا تھا اور کچھ سیدھے سادے اقدامات پر عمل کرنا تھا۔ ایمیزون فراڈ ڈیٹیکٹر نے خود بخود ڈیٹا کی جانچ کی، بامعنی نمونوں کی نشاندہی کی، اور فراڈ کی شناخت کا ایک ماڈل تیار کیا جو نئے لین دین پر پیشین گوئی کرنے کے قابل ہے۔

درج ذیل خاکہ ہماری پائپ لائن کی وضاحت کرتا ہے:

بہاؤ کو چلانے کے لیے، ہم نے درج ذیل ورک فلو کو لاگو کیا:

1. ایمیزون ایونٹ برج تمام زیر التواء لین دین کا جائزہ لینے کے لیے آرکیسٹریشن پائپ لائن کو فی گھنٹہ کال کرتا ہے۔
2. سٹیپ فنکشنز آرکیسٹریشن پائپ لائن کو منظم کرنے میں مدد کرتا ہے۔
3. An او ڈبلیو ایس لامبڈا۔ فنکشن کالز ایمیزون ایتینا تربیتی ڈیٹا کو بازیافت اور تیار کرنے کے لیے APIs، پر محفوظ کیا گیا ہے۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)۔
4. لیمبڈا فنکشنز کی ایک آرکیسٹریٹڈ پائپ لائن ایمیزون فراڈ ڈیٹیکٹر ماڈل کو تربیت دیتی ہے اور ماڈل کی کارکردگی کے میٹرکس کو S3 بالٹی میں محفوظ کرتی ہے۔
5. ایمیزون سادہ نوٹیفکیشن سروس (ایمیزون ایس این ایس) صارفین کو مطلع کرتا ہے جب دھوکہ دہی کا پتہ لگانے کے عمل کے دوران کوئی مسئلہ پیش آتا ہے یا جب یہ عمل کامیابی سے مکمل ہوتا ہے۔
6. کاروباری تجزیہ کار ڈیش بورڈز بناتے ہیں۔ ایمیزون کوئیک سائٹ، جو Athena کا استعمال کرتے ہوئے Amazon S3 سے دھوکہ دہی کے ڈیٹا سے استفسار کرتا ہے، جیسا کہ ہم بعد میں اس پوسٹ میں بیان کریں گے۔

ہم نے چند وجوہات کی بنا پر ایمیزون فراڈ ڈیٹیکٹر استعمال کرنے کا انتخاب کیا:

• یہ سروس کئی سالوں کی مہارتوں کو استعمال کرتی ہے جس میں ایمیزون نے فراڈ کا مقابلہ کیا ہے۔ اس سے ہمیں سروس کی صلاحیتوں پر بہت زیادہ اعتماد ہوا۔
• استعمال اور نفاذ میں آسانی نے ہمیں فوری طور پر اس بات کی تصدیق کرنے کی اجازت دی کہ ہمارے پاس وہ ڈیٹاسیٹ موجود ہے جس کی ہمیں درست نتائج پیدا کرنے کی ضرورت ہے۔
• چونکہ واضح طور پر ML ٹیم کی عمر 1 سال سے کم تھی، اس لیے ایک مکمل طور پر منظم سروس نے ہمیں اس پروجیکٹ کو گہری تکنیکی ML مہارتوں اور علم کی ضرورت کے بغیر فراہم کرنے کی اجازت دی۔

نتائج کی نمائش

ہماری موجودہ ڈیٹا لیک میں پیشین گوئی کے نتائج لکھنے سے ہمیں سینئر لیڈرشپ کے لیے میٹرکس اور ڈیش بورڈز بنانے کے لیے QuickSight کا استعمال کرنے کی اجازت ملتی ہے۔ یہ انہیں ہمارے ماہانہ مارکیٹنگ کے اہداف کو پورا کرنے کے لیے اگلے اقدامات پر فیصلے کرتے وقت ان نتائج کو سمجھنے اور استعمال کرنے کے قابل بناتا ہے۔

ہم پیشن گوئی کے نتائج کو دو سطحوں پر پیش کرنے کے قابل تھے، جس کا آغاز مجموعی کاروباری کارکردگی سے ہوتا ہے اور پھر کاروبار کی ہر سطر (رابطے اور چشمے) کے مطابق مطلوبہ کارکردگی کی گہرائی میں جانا۔

ہمارے ڈیش بورڈ میں درج ذیل معلومات شامل ہیں:

• کاروبار کی مختلف لائنوں کے مطابق فی دن فراڈ
  
• دھوکہ دہی کے لین دین کی وجہ سے آمدنی کا نقصان
  
• دھوکہ دہی کے لین دین کا مقام (دھوکہ دہی کے گرم مقامات کی نشاندہی کرنا)
  
• مختلف کوپن کوڈز کے ذریعے دھوکہ دہی کے لین دین پر اثر پڑتا ہے، جو ہمیں مشکل کوپن کوڈز کی نگرانی کرنے اور خطرے کو کم کرنے کے لیے مزید اقدامات کرنے کی اجازت دیتا ہے۔
  
• فی گھنٹہ فراڈ، جو ہمیں بلنگ آپریشن ٹیم کی منصوبہ بندی اور انتظام کرنے کی اجازت دیتا ہے اور یہ یقینی بناتا ہے کہ ضرورت پڑنے پر ہمارے پاس لین دین کے حجم کو سنبھالنے کے لیے وسائل دستیاب ہیں۔

نتیجہ

کسٹمر فراڈ کی مؤثر اور درست پیشین گوئی آج کل خوردہ فروش کے لیے ML میں سب سے بڑے چیلنجوں میں سے ایک ہے، اور اپنے صارفین اور ان کے رویے کے بارے میں اچھی طرح سمجھنا Clearly کی کامیابی کے لیے بہت ضروری ہے۔ ایمیزون فراڈ ڈیٹیکٹر نے کم سے کم اوور ہیڈ کے ساتھ فراڈ کی پیشن گوئی کا درست اور قابل اعتماد نظام آسانی سے بنانے کے لیے مکمل طور پر منظم ML حل فراہم کیا۔ ایمیزون فراڈ ڈیٹیکٹر کی پیشین گوئیاں اعلیٰ درجے کی درستگی رکھتی ہیں اور پیدا کرنا آسان ہیں۔

"جیسے معروف ای کامرس ٹولز کے ساتھ ورچوئل ٹرائی آنہماری بے مثال کسٹمر سروس کے ساتھ مل کر، ہم ہر ایک کو سستی اور آسان طریقے سے واضح طور پر دیکھنے میں مدد کرنے کی کوشش کرتے ہیں — جس کا مطلب ہے کہ مسلسل اختراع، بہتری اور عمل کو ہموار کرنے کے طریقے تلاش کرنا،ڈاکٹر زیو پولک، مشین لرننگ ٹیم لیڈر نے کہا۔ "آن لائن فراڈ کا پتہ لگانا آج ریٹیل میں مشین لرننگ میں سب سے بڑا چیلنج ہے۔ صرف چند ہفتوں میں، Amazon Fraud Detector نے ہمیں بہت زیادہ درستگی کے ساتھ دھوکہ دہی کی درست اور قابل اعتماد طریقے سے شناخت کرنے میں مدد کی، اور ہزاروں ڈالر کی بچت کی۔"

---

مصنف کے بارے میں

ڈاکٹر زیو پولک ایک تجربہ کار تکنیکی رہنما ہے جو آمدنی بڑھانے، لاگت کم کرنے، کسٹمر سروس کو بہتر بنانے، اور کاروباری کامیابی کو یقینی بنانے کے لیے تنظیموں کے مشین لرننگ کے استعمال کے طریقے کو تبدیل کرتا ہے۔ وہ فی الحال Clearly میں مشین لرننگ ٹیم کی قیادت کر رہے ہیں۔

سروی لولوئی واضح طور پر ایک ایسوسی ایٹ مشین لرننگ انجینئر ہے۔ AWS ٹولز کا استعمال کرتے ہوئے، وہ کاروباری ترقی، آمدنی میں اضافہ، اور پیداواری صلاحیت کو بہتر بنانے کے لیے ماڈل کی تاثیر کا جائزہ لیتی ہے۔

ماخذ: https://aws.amazon.com/blogs/machine-learning/how-clearly-accurly-predicts-fraudulent-orders-using-amazon-fraud-detector/