وضاحت کی صلاحیت: ایسے SAR بیانات جو FMU جانچ سے گزر جائیں
Explainability: SAR narratives that pass FMU scrutiny
38 منٹ
تین طریقے
Suspicious Activity Report، پاکستان میں AML ایکٹ 2010 کے تحت Suspicious Transaction Report یا STR کہا جاتا ہے، وہ دستاویز ہے جو بینک FMU کے ساتھ فائل کرتا ہے جب وہ نتیجہ نکالے کہ لین دین یا پیٹرن مشکوک ہے۔ STR کی ریگولیٹڈ ساخت ہے: شناختی تفصیلات، احاطہ شدہ لین دین، شک کی بنیاد، اور حمایتی بیان۔ بیان دستاویز کا دل ہے۔ یہ اتنا مخصوص ہونا چاہیے کہ FMU تجزیہ کار، اسے ٹھنڈے دل سے پڑھتے ہوئے، سمجھ سکے کہ کیا ہوا اور آپ کے بینک نے کیوں مشکوک نتیجہ نکالا۔ ایسا بیان جو کہے 'ماڈل نے زیادہ اسکور کیا' یہ ٹیسٹ ناکام۔ ایسا بیان جو کہے 'پچھلے 30 دنوں میں، اس اکاؤنٹ کو 14 شہروں میں پھیلے 47 مختلف مدِمقابل سے 47 آنے والے Raast ٹرانسفر ملے، سب رقمیں PKR 24,000 اور PKR 49,000 کے درمیان، جبکہ آن بورڈنگ پر اعلان کردہ ماہانہ ٹرن اوور PKR 250,000 تھا' پاس۔
وضاحت کے اوزار ماڈل اور بیان کے درمیان پل بناتے ہیں۔ پروڈکشن فراڈ مانیٹرنگ میں سب سے زیادہ استعمال ہونے والے SHAP اور LIME ہیں۔ SHAP، Shapley Additive Explanations، ہر لین دین کے لیے ماڈل کے اسکور میں ہر خصوصیت کا حصہ حساب کرتا ہے، تعاونی گیم تھیوری میں جڑے طریقے سے۔ آؤٹ پٹ فی لین دین فہرست ہے جیسے 'خصوصیت counterparty_diversity_30d نے اسکور میں +0.32 حصہ ڈالا، خصوصیت actual_to_declared_ratio نے +0.21، خصوصیت device_recent_change نے +0.14، باقی تمام خصوصیات نے +0.05 سے کم'۔ یہ فہرست بیان نہیں، مگر کچا مال ہے جس سے بیان بنایا جاتا ہے۔ تفتیش کار اسے 60 سیکنڈ میں پڑھ سکتا ہے، فیصلہ کر سکتا ہے کن خصوصیات کو لکھنا ہے، اور SAR کا مسودہ بنانے سے پہلے بنیادی لین دین کی تصدیق کر سکتا ہے۔
پاکستانی بینک کے لیے قابل دفاع SAR بیان کی چھ عناصر اس ترتیب میں ہیں۔ ایک: اکاؤنٹ اور جائزہ شدہ مدت کا حقیقی خلاصہ، ماڈل کی زبان کے بغیر۔ دو: شمار شدہ لین دین یا لین دین کا پیٹرن، تاریخوں اور رقوم کے ساتھ۔ تین: صارف کے اعلان کردہ پروفائل اور پچھلی بنیاد سے موازنہ۔ چار: یہ پیٹرن جس قسم سے ملتا ہے، واضح نام کے ساتھ (structuring، mule funnel، layering، smurfing)۔ پانچ: کوئی حمایتی ثبوت جیسے ڈیوائس فنگرپرنٹ غیر معمولیتیں، جغرافیائی پھیلاؤ، حقیقی مالک کے سرخ جھنڈے۔ چھ: وجہ جس سے بینک نتیجہ نکالتا ہے کہ کوئی ظاہری جائز مقصد نہیں۔ نوٹ کریں 'ماڈل نے 0.87 اسکور کیا' کہیں ظاہر نہیں۔ ماڈل وہ پرامپٹ ہے جس نے آپ کو دیکھنے دیا۔ بیان وہ ہے جو آپ نے دیکھنے پر پایا۔
فوری چیک
فوری چیک: جدید AI روایتی قاعدہ بنیاد پروگرام سے کس طرح مختلف ہے؟
کیوں؟
کیوں کا پہلا درجہ: FMU صرف خام ماڈل آؤٹ پٹ کی بجائے انسان کے پڑھنے کے قابل بیانات کیوں چاہتا ہے؟ کیونکہ FMU تجزیہ کار کو آزاد فیصلہ کرنا ہے، اور فیصلہ کرنے کے لیے حقائق چاہئیں، اسکور نہیں۔ اسکور دبا ہوا خلاصہ ہے؛ بیان وہ حقائق بحال کرتا ہے جن سے اسکور حساب ہوا تھا۔
Claude کے ساتھ آزمائیں
AI پرامپٹ: 'پاکستانی ریٹیل اکاؤنٹ کے لیے یہ خام SHAP آؤٹ پٹ لیں: counterparty_diversity_30d=+0.32, actual_to_declared_ratio=+0.21, device_recent_change=+0.14, geography_entropy=+0.09, weekend_velocity=+0.06۔ صارف فیصل آباد کا 52 سالہ ٹیکسٹائل تاجر ہے جس کا اعلان کردہ ماہانہ ٹرن اوور PKR 350,000۔ 30 دن کی آمدنی PKR 42 لاکھ۔ سادہ انگریزی میں چھ عنصر FMU قابل دفاع STR بیان کا مسودہ بنائیں، پھر اردو میں ترجمہ کریں۔ فائل کرنے سے پہلے تفتیش کار کو جسمانی طور پر تصدیق کرنے کے لیے دو ثبوت شناخت کریں۔'
ماخذ
ماخذ اور مزید مطالعہ۔ پاکستان AML ایکٹ 2010 اور FMU STR فائلنگ مینوئل۔ Lundberg اور Lee 2017 SHAP اصل پیپر۔ Ribeiro Singh Guestrin 2016 LIME اصل پیپر۔ Christoph Molnar Interpretable Machine Learning نصابی کتاب۔ NIST SP 1270 تعصب اور قابل اعتماد AI پر۔ مالی جرائم میں AI پر Wolfsberg Group بیان۔ زیادہ خطرے والے AI کی وضاحت پر EU AI ایکٹ کے دفعات۔ معیاری SAR مسودہ سازی پر ACAMS گائیڈ۔ FATF Best Practices ہدفی مالی پابندیوں کے نفاذ پر۔