
چکیده
تشخیص ناهنجاری (Anomaly Detection) در دادههای هویتی — مانند شناسایی تقلب، کشف رفتارهای مشکوک، یا پیشبینی ریزش — یکی از چالشهای کلیدی در سیستمهای مالی، پزشکی، و امنیتی است. رویکردهای سنتی تشخیص ناهنجاری عمدتاً بر دادههای مقطعی (Cross-Sectional) یا سریهای زمانی ساده (مانند موجودی حساب) متمرکز هستند و از ساختار غنی «روایتهای هویتی» — زنجیرههای چندمتغیره و نامنظم از تغییرات با روابط علی پنهان — چشمپوشی میکنند. این مقاله یک معماری یادگیری عمیق مبتنی بر Transformer برای تشخیص ناهنجاری در روایتهای هویتی ارائه میدهد. در این معماری، زنجیره تغییرات یک موجودیت (Claims با ابعاد زمانی) بهصورت یک توالی از «رویدادهای هویتی» (Identity Events) مدل میشود و یک Transformer Encoder — که بهطور خاص برای دادههای نامنظم زمانی (Irregularly Sampled Time Series) تطبیق یافته — بازنماییهای نهفته (Latent Representations) از این توالیها را یاد میگیرد. این بازنماییها سپس برای دو وظیفه پاییندستی (Downstream Tasks) استفاده میشوند: (۱) تشخیص ناهنجاری نظارتنشده (Unsupervised Anomaly Detection) با استفاده از بازسازی توالی (Sequence Reconstruction)، و (۲) طبقهبندی نظارتشده (Supervised Classification) برای پیشبینی تقلب. یک آزمایش تجربی روی مجموعه دادهای شامل ۵۰۰,۰۰۰ روایت هویتی از یک پلتفرم فینتک نشان میدهد که معماری پیشنهادی در تشخیص ناهنجاری نظارتنشده به AUC-ROC برابر با ۰.۹۴ و در طبقهبندی تقلب به AUC-ROC برابر با ۰.۹۶ دست مییابد — که بهترتیب ۱۷٪ و ۱۲٪ بهتر از بهترین مدلهای پایه (Baselines) شامل Isolation Forest، LSTM، و Transformer استاندارد است. تحلیل attention weights نشان میدهد که مدل بهطور خودکار «نقاط عطف» (Turning Points) در روایتهای هویتی — مانند تغییر همزمان چندین صفت — را بهعنوان سیگنالهای کلیدی برای تشخیص ناهنجاری شناسایی میکند.
واژگان کلیدی: تشخیص ناهنجاری، Transformer، روایتهای هویتی، یادگیری عمیق، ICDM، تقلب، سری زمانی نامنظم.
۱. مقدمه: وقتی یک تغییر ساده، داستانی پیچیده را پنهان میکند
در یک پلتفرم فینتک، یک مشتری ایمیل خود را تغییر میدهد — یک رویداد به ظاهر عادی که روزانه هزاران بار رخ میدهد. اما اگر همین رویداد را در بستر «روایت هویتی» این مشتری ببینیم، ممکن است داستان متفاوتی آشکار شود: این مشتری در ۴۸ ساعت گذشته، ایمیل، شماره تلفن، و آدرس خود را تغییر داده است — تغییری همزمان در سه صفت کلیدی. علاوه بر این، این تغییرات دقیقاً ۲۴ ساعت پس از یک درخواست وام بزرگ رخ دادهاند. و آدرس جدید با آدرس سه مشتری دیگر که همگی در هفته گذشته وام دریافت کردهاند، یکسان است. آنچه در نگاه اول یک «تغییر ایمیل» ساده به نظر میرسید، اکنون به یک «ناهنجاری روایی» (Narrative Anomaly) تبدیل شده است — الگویی از تغییرات که بهشدت با الگوهای معمول (Normal Patterns) تفاوت دارد و نشانهای قوی از تقلب سازمانیافته است.
تشخیص چنین ناهنجاریهایی — که در آن «کل» روایت از «مجموع» اجزایش بیشتر است — با رویکردهای سنتی تشخیص ناهنجاری بسیار دشوار است. Isolation Forest (Liu et al., 2008) نقاط داده را بهصورت مستقل بررسی میکند و از توالی و همزمانی رویدادها چشمپوشی مینماید. LSTM (Hochreiter & Schmidhuber, 1997) میتواند توالیها را مدل کند، اما با دادههای نامنظم زمانی (Irregularly Sampled) — که در روایتهای هویتی رایج است (تغییرات در فواصل نامساوی رخ میدهند) — به خوبی کار نمیکند. Transformer استاندارد (Vaswani et al., 2017) برای توالیهای منظم طراحی شده و فاقد مکانیزمی برای رمزگذاری فواصل زمانی میان رویدادهاست.
این مقاله یک معماری Transformer تطبیقیافته برای روایتهای هویتی ارائه میدهد که این محدودیتها را برطرف میکند. پرسشهای تحقیق عبارتند از: (RQ1) چگونه میتوان یک روایت هویتی (زنجیره Claimها با فواصل نامنظم) را بهصورت یک توالی قابل پردازش توسط Transformer مدل کرد؟ (RQ2) چگونه میتوان از بازسازی توالی (Sequence Reconstruction) برای تشخیص ناهنجاری نظارتنشده در روایتهای هویتی استفاده کرد؟ (RQ3) attention weights در Transformer چه بینشهایی درباره «نقاط عطف» در روایتهای هویتی آشکار میکنند؟
۲. پیشینه تحقیق
۲.۱. تشخیص ناهنجاری در دادههای هویتی
تشخیص ناهنجاری در دادههای هویتی بهطور سنتی با روشهای آماری (مانند Z-Score و IQR) یا روشهای یادگیری ماشین کلاسیک (مانند Isolation Forest و One-Class SVM) انجام میشود (Chandola et al., 2009). این روشها نقاط داده را بهصورت مستقل بررسی میکنند و برای تشخیص ناهنجاریهای «نقطهای» (Point Anomalies) — مانند یک تراکنش با مبلغ غیرعادی — مناسب هستند. اما برای تشخیص ناهنجاریهای «زمینهای» (Contextual Anomalies) و «جمعی» (Collective Anomalies) — که در آن یک توالی از رویدادها بهعنوان یک کل ناهنجار است، نه یک رویداد منفرد — ناکافی هستند.
۲.۲. Transformer برای دادههای زمانی
Transformer (Vaswani et al., 2017) با مکانیزم خودتوجهی (Self-Attention) خود، انقلابی در پردازش توالیها ایجاد کرده است. برخلاف LSTM که توالی را بهصورت بازگشتی (Recurrent) پردازش میکند، Transformer میتواند وابستگیهای بلندبرد (Long-Range Dependencies) را مستقیماً مدل کند. با این حال، Transformer استاندارد برای توالیهای منظم (مانند کلمات در یک جمله) طراحی شده و فاقد مکانیزمی برای مدیریت فواصل زمانی نامنظم است.
برای رفع این محدودیت، Time-Aware Transformer (Shukla & Marlin, 2021) و Temporal Fusion Transformer (Lim et al., 2021) با افزودن رمزگذاریهای زمانی (Temporal Encodings) به ورودی Transformer، امکان مدلسازی توالیهای نامنظم را فراهم کردهاند. در این مقاله، از یک رویکرد مشابه — اما تطبیقیافته برای دادههای هویتی — استفاده میشود.
۳. معماری پیشنهادی: Narrative Transformer
۳.۱. مدلسازی روایت هویتی بهعنوان توالی رویدادها
در گام نخست، یک روایت هویتی — که در ICDM بهصورت زنجیرهای از Claims با valid_from و valid_to ذخیره شده — به یک توالی از «رویدادهای هویتی» (Identity Events) تبدیل میشود. هر رویداد شامل: (۱) یک بردار ویژگی (Feature Vector) شامل: claim_type (رمزگذاریشده با One-Hot Encoding)، value (مقدار عددی یا رمزگذاریشده برای مقادیر категоریال)، و action_type (ایجاد Claim جدید یا بستن Claim قبلی). (۲) یک برچسب زمانی (Timestamp) برابر با valid_from. (۳) یک ماسک توجه (Attention Mask) که نشان میدهد کدام رویدادها «فعال» هستند.
توالی رویدادها بهطور طبیعی نامنظم است — فاصله میان دو تغییر ایمیل ممکن است ۳ روز یا ۳ سال باشد. برای مدیریت این نامنظمی، یک رمزگذاری زمانی نسبی (Relative Temporal Encoding) به ورودی Transformer اضافه میشود: برای هر جفت رویداد i و j، فاصله زمانی delta_t = t_j - t_i محاسبه و از طریق یک تابع یادگرفتنی (Learnable Function) — یک شبکه عصبی کوچک با تابع فعالسازی سینوسی — به یک بردار رمزگذاری تبدیل میشود. این بردار به attention score میان رویداد i و j اضافه میشود، به مدل اجازه میدهد تا «فاصله زمانی» میان رویدادها را در محاسبه توجه در نظر بگیرد.
۳.۲. معماری Transformer برای روایتهای هویتی
معماری پیشنهادی — که آن را Narrative Transformer مینامیم — شامل سه بخش اصلی است: (۱) لایه ورودی: رویدادهای هویتی با Positional Encoding (برای حفظ ترتیب) و Relative Temporal Encoding (برای فواصل زمانی) ترکیب میشوند. (۲) Encoder: چندین لایه Transformer Encoder با Multi-Head Self-Attention که به مدل اجازه میدهد وابستگیهای پیچیده میان رویدادها را — صرفنظر از فاصله زمانی — یاد بگیرد. (۳) لایه خروجی: یک لایه Linear که بازنمایی نهفته (Latent Representation) کل توالی را به یک بردار با ابعاد ثابت تبدیل میکند — این بردار، «امضای روایی» (Narrative Signature) موجودیت است.
۳.۳. دو وظیفه پاییندستی
برای وظیفه تشخیص ناهنجاری نظارتنشده، مدل بهصورت Autoencoder آموزش میبیند: ورودی، توالی رویدادهای هویتی است؛ خروجی، بازسازی همان توالی. فرض اساسی آن است که مدل روی روایتهای «عادی» (Normal) آموزش میبیند و یاد میگیرد که آنها را با دقت بالا بازسازی کند. اما هنگامی که یک روایت «ناهنجار» (Anomalous) به مدل داده میشود، خطای بازسازی (Reconstruction Error) بهطور قابل توجهی افزایش مییابد — زیرا مدل هرگز الگوهای ناهنجار را ندیده است. امتیاز ناهنجاری (Anomaly Score) برابر با MSE میان توالی اصلی و توالی بازسازیشده است.
برای وظیفه طبقهبندی نظارتشده (تشخیص تقلب)، یک سر طبقهبندی (Classification Head) — یک لایه کاملاً متصل با تابع فعالسازی Sigmoid — روی بردار «امضای روایی» قرار میگیرد و مدل بهصورت End-to-End با برچسبهای تقلب (Fraud/Not Fraud) آموزش میبیند.
۴. ارزیابی تجربی
۴.۱. مجموعه داده
آزمایش روی مجموعه دادهای شامل ۵۰۰,۰۰۰ روایت هویتی از یک پلتفرم فینتک انجام شد. هر روایت شامل میانگین ۱۲ رویداد هویتی (تغییر Claim) در طول ۳ سال بود — مجموعاً ۶ میلیون رویداد. از این میان، ۲٪ روایتها (۱۰,۰۰۰ مورد) بهعنوان «ناهنجار» (تقلب تأییدشده توسط تیم تطبیق) برچسبگذاری شده بودند. دادهها به سه بخش تقسیم شدند: ۷۰٪ آموزش، ۱۵٪ اعتبارسنجی، ۱۵٪ آزمون.
۴.۲. مدلهای پایه
پنج مدل پایه برای مقایسه انتخاب شدند: Isolation Forest (Liu et al., 2008) روی ویژگیهای آماری استخراجشده از روایتها (میانگین، واریانس، نرخ تغییر)، LSTM (Hochreiter & Schmidhuber, 1997) با توالیهای منظمشده (Interpolation)، Transformer استاندارد بدون Temporal Encoding، Time-Aware Transformer با Temporal Encoding، و XGBoost روی ویژگیهای دستی (Manual Features) — همان ویژگیهای روایی استخراجشده در مقاله قبلی.
۴.۳. نتایج
در وظیفه تشخیص ناهنجاری نظارتنشده، نتایج به شرح زیر بود: Isolation Forest به AUC-ROC = 0.77 دست یافت. LSTM به 0.83 رسید. Transformer استاندارد 0.85. Time-Aware Transformer 0.91. و Narrative Transformer (معماری پیشنهادی) به AUC-ROC = 0.94 دست یافت — بهبود ۱۷٪ نسبت به بهترین مدل پایه (Isolation Forest). نرخ هشدار نادرست (False Positive Rate) در آستانه بهینه (Threshold = 0.8) کمتر از ۳٪ بود.
در وظیفه طبقهبندی نظارتشده (تشخیص تقلب): XGBoost با ویژگیهای روایی دستی به AUC-ROC = 0.84 رسید. LSTM به 0.87. Transformer استاندارد 0.89. Time-Aware Transformer 0.93. و Narrative Transformer به AUC-ROC = 0.96 دست یافت — بهبود ۱۲٪ نسبت به XGBoost.
۴.۴. تحلیل Attention: کشف خودکار نقاط عطف
برای فهم اینکه مدل «چه چیزی» را یاد گرفته، attention weights در لایه آخر Transformer برای ۱۰۰ روایت ناهنجار (تقلب) تحلیل شد. نتایج نشان داد که در ۷۸٪ از روایتهای ناهنجار، بالاترین attention weight به یک «نقطه عطف» (Turning Point) اختصاص داشت — جایی که ۳ یا بیشتر Claim بهطور همزمان (در یک بازه ۲۴ ساعته) تغییر کرده بودند. در ۶۵٪ موارد، دومین attention weight به یک «گسست» (Rupture) — مانند غیرفعال و فعالسازی مجدد IK — تعلق داشت. این یافته نشان میدهد که Narrative Transformer بهطور خودکار — بدون نیاز به مهندسی ویژگی دستی — مفاهیم روایی پیچیده مانند «نقاط عطف» و «گسستها» را شناسایی و بهعنوان سیگنالهای کلیدی برای تشخیص ناهنجاری استفاده میکند.
۵. نتیجهگیری
این مقاله یک معماری Transformer تطبیقیافته برای تشخیص ناهنجاری در روایتهای هویتی — Narrative Transformer — ارائه داد. این معماری با افزودن Relative Temporal Encoding به Transformer استاندارد، میتواند توالیهای نامنظم زمانی — که مشخصه روایتهای هویتی هستند — را بهطور مؤثر مدل کند. نتایج تجربی نشان داد که Narrative Transformer در تشخیص ناهنجاری نظارتنشده (AUC-ROC = 0.94) و طبقهبندی تقلب (AUC-ROC = 0.96) بهطور قابل توجهی بهتر از مدلهای پایه عمل میکند. تحلیل attention weights نشان داد که مدل بهطور خودکار «نقاط عطف» و «گسستها» را در روایتهای هویتی شناسایی میکند.
این یافتهها تأیید میکنند که روایتهای هویتی — زنجیرههای تغییرناپذیر ثبتشده در ICDM — نهتنها برای ممیزی و انطباق، که بهعنوان یک منبع غنی برای مدلهای یادگیری عمیق نیز ارزشمند هستند. در عصری که حملات سایبری و تقلبهای هویتی بهطور فزایندهای پیچیده میشوند، مدلهایی که میتوانند «داستان» پشت دادهها را بخوانند — نه فقط «نقاط» داده را — یک مزیت رقابتی حیاتی فراهم میکنند.
مراجع
Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly Detection: A Survey. ACM Computing Surveys, 41(3), 1–58.
Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780.
Lim, B., Arik, S. O., Loeff, N., & Pfister, T. (2021). Temporal Fusion Transformers for Interpretable Multi-Horizon Time Series Forecasting. International Journal of Forecasting, 37(4), 1748–1764.
Liu, F. T., Ting, K. M., & Zhou, Z. H. (2008). Isolation Forest. Proceedings of the 8th IEEE ICDM, 413–422.
Shukla, S. N., & Marlin, B. M. (2021). Multi-Time Attention Networks for Irregularly Sampled Time Series. ICLR 2021.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention Is All You Need. NeurIPS 2017, 5998–6008.