Tạo mô hình phát hiện lừa đảo trong giao dịch

BởiChu Minh Nam4 phút đọc67 lượt xem

Chia sẻ

Phát hiện gian lận trong giao dịch là một bài toán thực tế có giá trị lớn trong ngân hàng, ví điện tử và thương mại điện tử. Việc này không chỉ giúp doanh nghiệp tránh tổn thất tài chính mà còn tăng sự tin tưởng của khách hàng. Học máy (machine learning) là một giải pháp mạnh mẽ để tự động phát hiện những giao dịch bất thường có thể là gian lận.

Bài viết này hướng dẫn chi tiết cách tạo mô hình phát hiện lừa đảo bằng Python, sử dụng một bộ dữ liệu thực tế, xử lý mất cân bằng dữ liệu, huấn luyện mô hình và đánh giá hiệu quả bằng các chỉ số phù hợp.

Tải và khám phá dữ liệu

Chúng ta sử dụng dataset từ Kaggle:
🔗 Credit Card Fraud Detection

Sau khi tải về và giải nén, bạn sẽ có file creditcard.csv, gồm hơn 284.000 giao dịch và các cột:

Time: thời gian tính bằng giây từ giao dịch đầu tiên
V1 đến V28: đặc trưng đã được xử lý ẩn danh bằng PCA (không rõ ý nghĩa cụ thể)
Amount: số tiền giao dịch
Class: nhãn mục tiêu (0 = bình thường, 1 = gian lận)

Đọc và khám phá dữ liệu

import pandas as pd

df = pd.read_csv('creditcard.csv')
print(df.shape)
print(df['Class'].value_counts(normalize=True))

Ta thấy tỷ lệ gian lận rất thấp (~0.17%), cho thấy đây là một bài toán mất cân bằng dữ liệu nghiêm trọng – một đặc trưng rất quan trọng cần xử lý cẩn thận.

Tiền xử lý dữ liệu

Loại bỏ cột `Time` và chuẩn hóa `Amount`

Cột Time không cần thiết trong huấn luyện mô hình. Cột Amount nên được chuẩn hóa để có giá trị ổn định.

from sklearn.preprocessing import StandardScaler

df = df.drop(columns=['Time'])
df['Amount'] = StandardScaler().fit_transform(df[['Amount']])

Chia tập huấn luyện và kiểm tra

Dữ liệu được chia theo tỉ lệ 80/20 và đảm bảo phân bố nhãn không thay đổi (stratify):

from sklearn.model_selection import train_test_split

X = df.drop('Class', axis=1)
y = df['Class']

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, stratify=y, random_state=42
)

Xử lý mất cân bằng bằng SMOTE

SMOTE (Synthetic Minority Over-sampling Technique) giúp tạo thêm dữ liệu giả của class thiểu số (Class = 1).

from imblearn.over_sampling import SMOTE

smote = SMOTE(random_state=42)
X_train_bal, y_train_bal = smote.fit_resample(X_train, y_train)

print("Sau SMOTE:\n", y_train_bal.value_counts())

Huấn luyện mô hình

Sử dụng mô hình Random Forest – đơn giản nhưng mạnh mẽ cho bài toán phân loại.

from sklearn.ensemble import RandomForestClassifier

clf = RandomForestClassifier(n_estimators=100, random_state=42)
clf.fit(X_train_bal, y_train_bal)

Đánh giá mô hình

Vì dữ liệu rất mất cân bằng, accuracy không còn ý nghĩa. Cần đánh giá bằng:

Precision: tỷ lệ dự đoán lừa đảo là đúng
Recall: khả năng tìm đúng các giao dịch lừa đảo
F1-score: trung bình điều hòa giữa precision và recall
ROC-AUC: khả năng mô hình phân biệt 0 và 1

from sklearn.metrics import classification_report, roc_auc_score

y_pred = clf.predict(X_test)
y_proba = clf.predict_proba(X_test)[:, 1]

print(classification_report(y_test, y_pred))
print("AUC-ROC:", roc_auc_score(y_test, y_proba))

Trực quan hóa phân loại

Kết luận

Phát hiện lừa đảo trong giao dịch là một bài toán quan trọng với thách thức chính là dữ liệu mất cân bằng nghiêm trọng. Qua bài viết này, bạn đã nắm được quy trình đầy đủ để xây dựng một mô hình phát hiện gian lận: từ tiền xử lý dữ liệu, chuẩn hóa đặc trưng, xử lý mất cân bằng bằng SMOTE, đến huấn luyện mô hình và đánh giá bằng các chỉ số phù hợp như recall và AUC-ROC.

Đây chỉ là bước khởi đầu. Trong thực tế, mô hình cần được thử nghiệm với nhiều thuật toán khác nhau, theo dõi drift dữ liệu và triển khai trong môi trường giám sát để đảm bảo hiệu quả liên tục. Việc kết hợp mô hình học máy với các hệ thống cảnh báo thời gian thực sẽ giúp bạn nâng cao đáng kể khả năng phòng ngừa rủi ro tài chính.