الذكاء الاصطناعي في مواجهة الاحتيال الرقمي.. دراسة يمنية تطور آلية لحماية المحافظ الإلكترونية

الثورة / هاشم السريحي

في ظل التوسع المتسارع لاستخدام المحافظ الإلكترونية والتحول العالمي نحو الاقتصاد الرقمي، كشفت دراسة أكاديمية حديثة أعدها باحثون من جامعة الرازي عن آلية ذكية للكشف المبكر عن عمليات الاحتيال الإلكتروني في المحافظ الرقمية باستخدام تقنيات الذكاء الاصطناعي وتعلم الآلة، في خطوة تسعى إلى تعزيز أمن المعاملات المالية الرقمية وحماية بيانات المستخدمين من الاختراقات والهجمات السيبرانية.
الدراسة التي حملت عنوان «آلية كشف ومنع الاحتيال في المحافظ الإلكترونية باستخدام الذكاء الاصطناعي»، أعدها الباحث زيد علي المرحبي من قسم الأمن السيبراني، إلى جانب عدد من الباحثين من قسم تقنية المعلومات بالجامعة، وركزت على التحديات الأمنية المتزايدة التي تواجه تطبيقات المحافظ الإلكترونية مثل مثل Google Pay وPayPal وApple Pay، والتي أصبحت جزءاً أساسياً من الحياة اليومية والتجارة الرقمية الحديثة.
وأوضحت الدراسة التي نُشرت في “مجلة جامعة الرازي لعلوم الحاسوب وتقنية المعلومات” (RUJCST)  لعام 2026م، أن الاعتماد المستمر لهذه المحافظ على الإنترنت يجعلها هدفاً مباشراً للقراصنة والمهاجمين الإلكترونيين، الذين يستخدمون أساليب متعددة لسرقة البيانات الشخصية والمالية، من بينها التصيد الاحتيالي والبرمجيات الخبيثة واختراق الأجهزة، الأمر الذي يؤدي إلى خسائر مالية وجرائم ابتزاز وتحويلات غير مشروعة.
وأشار الباحثون إلى أن أنظمة الحماية التقليدية لم تعد قادرة على مواكبة الأنماط المتطورة لعمليات الاحتيال الرقمي، خاصة مع تطور الهجمات السيبرانية المعتمدة على أساليب معقدة يصعب اكتشافها بالطرق التقليدية. ومن هنا ركزت الدراسة على توظيف تقنيات الذكاء الاصطناعي، وتحديداً خوارزمية “الغابة العشوائية” (Random Forest)، باعتبارها من أكثر نماذج تعلم الآلة كفاءة في تصنيف العمليات المشبوهة والكشف عن الأنماط غير الطبيعية في المعاملات المالية.
واعتمدت الدراسة على تحليل بيانات معاملات مالية رقمية باستخدام لغة البرمجة “بايثون”، حيث تم تقسيم البيانات إلى مجموعات تدريب واختبار لبناء نموذج قادر على اكتشاف الاحتيال بصورة مبكرة. كما استخدم الباحثون تقنية  «SMOTE» لمعالجة مشكلة عدم توازن البيانات بين العمليات الطبيعية وعمليات الاحتيال، وهي من أبرز التحديات التي تواجه أنظمة كشف الاحتيال الحديثة.
ووفقاً لنتائج الدراسة، حقق نموذج «Random Forest» أداءً لافتاً مقارنة ببقية النماذج المستخدمة، إذ سجل دقة بلغت 91 بالمائة، ومعدل استرجاع للعمليات الاحتيالية وصل إلى 97 بالمائة، مع قدرة عالية على تقليل الإنذارات الخاطئة، ما يعزز فعالية النظام في كشف المعاملات المشبوهة بشكل فوري تقريباً.
وأكد الباحثون أن الدمج بين تقنيات معالجة البيانات الحديثة ونماذج الذكاء الاصطناعي المتقدمة يمثل خطوة مهمة نحو بناء أنظمة مالية أكثر أماناً وموثوقية، خصوصاً مع التنامي المتزايد للاقتصاد الرقمي واعتماد الأفراد والمؤسسات على حلول الدفع الإلكتروني.
كما أوصت الدراسة بالتوسع في استخدام تقنيات التعلم العميق مستقبلاً لتطوير أنظمة أكثر قدرة على مواكبة الأنماط المتغيرة والمتطورة لعمليات الاحتيال الإلكتروني، مشيرة إلى أن الذكاء الاصطناعي أصبح أحد أهم الأسلحة التقنية في حماية الأنظمة المالية الرقمية من التهديدات السيبرانية المتزايدة.