Оршил
Дижитал эдийн засаг хурдацтай хөгжихийн хэрээр санхүүгийн үйлчилгээ, цахим худалдаа, финтек, телеком, төрийн системүүд асар их хэмжээний өгөгдөл үүсгэж байна. Гэвч энэхүү өсөлттэй зэрэгцэн fraud буюу луйвар улам нарийн, зохион байгуулалттай, технологид суурилсан хэлбэрт шилжиж байна. Өмнө нь ганц хэрэглэгчийн сэжигтэй гүйлгээг шалгахад хангалттай байсан бол өнөөдөр луйвар нь бүлэг, сүлжээ, экосистем хэлбэрээр явагдах болсон.
Энэ нөхцөлд уламжлалт rule-based системүүд хангалтгүй болж, Social Network Analysis (SNA) буюу сүлжээний анализ нь fraud detection-ийн хамгийн хүчтэй аргачлалуудын нэг болж байна. Энэхүү нийтлэлээр бид fraud гэж юу болох, яагаад SNA чухал болсон, мөн graph analytics хэрхэн бодит бизнесийн үнэ цэнэ бий болгодог талаар дэлгэрэнгүй авч үзнэ.
1. Fraud гэж юу вэ?
Fraud (Луйвар) гэдэг нь хувь хүн эсвэл бүлэг санаатайгаар хууль бус аргаар санхүүгийн ашиг олох, системийг хуурах, бусдад хохирол учруулах үйлдлийг хэлнэ. Fraud нь зөвхөн нэг удаагийн гүйлгээ бус, ихэнх тохиолдолд давтамжтай, зохион байгуулалттай, далд бүтэцтэй байдаг.
Fraud-ын түгээмэл хэлбэрүүд
- Санхүүгийн fraud: хуурамч картын гүйлгээ, зээлийн луйвар
- Мөнгө угаалт (AML): хууль бус орлогыг олон шат дамжуулан “цэвэр” мэт харагдуулах
- Synthetic identity fraud: бодит ба хуурамч мэдээллийг хослуулсан хиймэл хэрэглэгч
- E-commerce fraud: fake order, return abuse, promo abuse
- Telecom fraud: SIM swap, subscription abuse
Эдгээр fraud-ын нийтлэг шинж нь ганц аккаунтаар хязгаарлагддаггүй, харин олон данс, төхөөрөмж, IP, merchant-уудын хоорондын уялдаа холбоонд суурилдаг.
2. Уламжлалт Fraud Detection-ийн хязгаарлалтууд
Олон байгууллагууд одоо хүртэл дараах аргуудыг ашигладаг:
- Rule-based system (if–else дүрэм)
- Threshold-д суурилсан шалгалт
- Нэг гүйлгээг тусад нь үнэлэх логик
Эдгээр аргуудын сул талууд:
- Зохион байгуулалттай fraud-ыг илрүүлж чаддаггүй
- Fraudster дүрмийг хурдан тойрч сурдаг
- False positive өндөр → жинхэнэ хэрэглэгч хохирох асуудал
- Explainability сул, analyst-д ойлгомжгүй
👉 Иймээс fraud-ыг илүү өргөн хүрээтэй, системийн түвшинд харах шаардлага гарсан.
3. Social Network Analysis (SNA) гэж юу вэ?
Social Network Analysis (SNA) гэдэг нь хүмүүс, аккаунт, байгууллага, төхөөрөмжүүдийн хоорондын харилцаа холбоог сүлжээ (graph) хэлбэрээр загварчилж, тэдгээрийн бүтэц, хэв маягийг шинжилдэг аналитик арга юм.
Graph ойлголт
Graph нь хоёр үндсэн бүрэлдэхүүнтэй:
- Node (Зангилаа):
- Хэрэглэгч
- Данс
- Төхөөрөмж
- Merchant
- Edge (Холбоос):
- Гүйлгээ
- IP хаяг
- Shared device
- Мөнгө шилжүүлэлт
4. Яагаад SNA Fraud Detection-д тохиромжтой вэ?
Орчин үеийн fraud нь network-based байдаг. Нэг аккаунт гэмгүй мэт харагдаж болох ч, тэр аккаунт нь сэжигтэй сүлжээний нэг хэсэг байж болно.
SNA ашигласнаар:
- Fraud ring (луйврын бүлэглэл) илрүүлнэ
- Hub account (зохион байгуулагч) тодорхойлно
- Далд холбоо, shared behavior олно
- Fraud-ыг ганц цэг бус, бүхэл сүлжээ-гээр нь үнэлнэ
Энэ нь уламжлалт аргаас чанарын асар их ялгаатай.
5. Graph Analytics-ийн үндсэн аргууд
5.1 Community Detection
Community detection нь граф дотор бие биетэйгээ нягт холбоотой бүлгүүдийг илрүүлэх арга юм.
- Fraud ring-үүдийг илрүүлэхэд ашиглагдана
- Louvain зэрэг алгоритмууд түгээмэл
Жишээ:
Олон аккаунт хоорондоо байнга гүйлгээ хийдэг, ижил төхөөрөмж ашигладаг бол тэд нэг fraud community байж магадгүй.
5.2 Centrality Analysis
Centrality нь сүлжээнд хамгийн нөлөөтэй node-уудыг тодорхойлно.
- Hub account
- Orchestrator (зохион байгуулагч)
- Mule account-уудын төв цэг
Ихэнх тохиолдолд нэг гол аккаунт олон жижиг аккаунтыг удирддаг байдаг.
5.3 Motif & Pattern Detection
Motif гэдэг нь граф дээр давтагддаг жижиг бүтэц, хэв маяг юм.
- Smurfing
- Layering
- Circular transaction
Эдгээр нь AML болон fraud-д маш чухал дохио болдог.
5.4 Graph Machine Learning (GNN)
Сүүлийн жилүүдэд Graph Neural Network (GNN) загварууд fraud detection-д өргөн хэрэглэгдэх болсон.
- Node classification: Аль аккаунт fraud вэ?
- Link prediction: Ирээдүйд сэжигтэй холбоо үүсэх үү?
Түгээмэл загварууд:
- GraphSAGE
- GAT (Graph Attention Network)
GNN-ийн давуу тал нь neighbor information-ийг шууд ашиглаж чаддаг явдал юм.
6. Human-in-the-loop (HITL) ба SNA
Fraud detection нь зөвхөн AI-д даатгах асуудал биш. Human-in-the-loop (HITL) буюу analyst + AI хослол хамгийн үр дүнтэй.
SNA системүүд:
- Graph visualization
- Investigation UI
- Audit trail
зэрэг боломж олгож, analyst-д “яагаад энэ аккаунт сэжигтэй вэ?” гэдгийг ойлгомжтой харуулна.
7. Business & Compliance үр өгөөж
SNA-д суурилсан fraud detection нь дараах бодит үр дүнг авчирдаг.
- Fraud алдагдал буурах
- False positive rate багасна
- Хянах хурд 2x–3x нэмэгдэнэ
- Зохицуулалтын эрсдэл буурна.
8. Ирээдүйн чиг хандлага
Fraud + SNA-ийн ирээдүй дараах чиглэлд явж байна.
- Real-time graph processing
- Streaming graph ML
- Multimodal fraud detection
- Explainable Graph AI
- Cross-platform fraud network
Байгууллагууд өгөгдлөө дан ганц хүснэгтээр бус, граф хэлбэрээр харах тусам эрсдэлийг илүү эрт, илүү ухаалгаар удирдах боломжтой болно.
Дүгнэлт
Social Network Analysis (SNA) болон Graph Analytics нь орчин үеийн fraud detection-ийн цөм болж, бизнес, compliance, хэрэглэгчийг эрсдлээс хамгаалах арга болсоор байна.
Хэрвээ та уг шийдлийг өөрийн байгууллагадаа хэрэгжүүлэхийг хүсвэл бидний санал болгож буй шийдэл болон холбоо барих хэсэгт хандана уу.