مکانیسم قانون بنفورد: چگونه ریاضیات رقم اول، تقلب را شناسایی می‌کند

در سال ۱۸۸۱، سایمون نیوکامب، ستاره‌شناس کانادایی-آمریکایی، متوجه یک جزئیات عجیب در کتاب‌های لگاریتم کتابخانه دانشگاهش شد: صفحاتی که در ابتدا قرار داشتند و با عدد ۱ شروع می‌شدند، به دلیل استفاده مداوم بسیار فرسوده و کثیف بودند، در حالی که صفحات انتهایی، که با ۸ و ۹ شروع می‌شدند، تقریباً دست‌نخورده باقی مانده بودند. نیوکامب مقاله‌ای در مورد این مشاهده منتشر کرد، اما تا حد زیادی مورد توجه قرار نگرفت.

پنجاه و هفت سال بعد، در سال ۱۹۳۸، فرانک بنفورد، فیزیکدان، به طور مستقل همین پدیده را مشاهده کرد. بنفورد تصمیم گرفت این نظریه را به طور دقیق در ۲۰ حوزه مختلف آزمایش کند، از جمله تحلیل مساحت رودخانه‌ها، آدرس‌های خیابان‌ها، وزن مولکولی و آمار بیسبال. او دریافت که این الگو در همه موارد صادق است و آنچه را که اکنون به عنوان قانون بنفورد شناخته می‌شود، رسمیت بخشید.[1]

قانون بنفورد، که اغلب به عنوان قانون رقم اول شناخته می‌شود، حکم می‌کند که در بسیاری از مجموعه‌های اعداد که به طور طبیعی شکل گرفته‌اند، رقم پیشرو به طور نامتناسبی کوچک است. شهود انسانی قویاً نشان می‌دهد که در یک مجموعه داده واقعاً تصادفی، هر رقم از ۱ تا ۹ باید با فراوانی یکسان، یعنی حدود ۱۱.۱٪ مواقع، به عنوان اولین رقم ظاهر شود.

در عوض، واقعیت داده‌های طبیعی به شدت متمایل است. بر اساس این قانون، رقم ۱ تقریباً ۳۰.۱٪ مواقع پیشرو است. با افزایش ارقام، فراوانی به صورت لگاریتمی کاهش می‌یابد؛ رقم ۲ در ۱۷.۶٪ مواقع، رقم ۳ در ۱۲.۵٪ مواقع، و این روند تا رقم ۹ ادامه می‌یابد که تنها ۴.۶٪ مواقع پیشرو است.[1][3]

مکانیسم اساسی پشت این توزیع غیرمنتظره، عمیقاً در ریاضیات رشد نمایی و مقیاس‌های لگاریتمی ریشه دارد. احتمال دقیق هر رقم اول مشخص، توسط فرمول لگاریتم در مبنای ۱۰ تعریف می‌شود: P(d) = log10(1 + 1/d). از آنجا که اعداد در مقیاس لگاریتمی به جای جمعی، به صورت ضربی رشد می‌کنند، برای اینکه یک مقدار از ۱۰۰۰ به ۲۰۰۰ برسد، نیاز به افزایش ۱۰۰٪ است.

با این حال، برای اینکه یک مقدار از ۹۰۰۰ به ۱۰۰۰۰ برسد، تنها به ۱۱٪ افزایش نیاز دارد. در نتیجه، مقادیر در حال رشد به سادگی زمان بسیار بیشتری را با شروع از ۱ سپری می‌کنند، قبل از اینکه جرم کافی را جمع‌آوری کنند تا به رقم بعدی برسند.[1][3]

با این حال، این قاعده ریاضی به طور جهانی برای همه مجموعه‌های اعداد اعمال نمی‌شود. برای اینکه یک مجموعه داده به طور دقیق با منحنی بنفورد مطابقت داشته باشد، باید چندین مرتبه بزرگی (orders of magnitude) را در بر بگیرد و کاملاً عاری از حداقل‌ها یا حداکثرهای مصنوعی باشد.

معیارهای طبیعی مانند هزینه‌های شرکت‌ها، اظهارنامه‌های مالیاتی جهانی، جمعیت شهرها و مبالغ تراکنش‌های روزانه، کاملاً با منحنی لگاریتمی مطابقت دارند. در مقابل، اعدادی که به صورت سیستماتیک تخصیص داده شده‌اند، مانند کدهای پستی، شماره تلفن‌ها، شماره حساب‌های بانکی یا شماره‌های تأمین اجتماعی، از این توزیع پیروی نمی‌کنند؛ زیرا آنها به جای رشد طبیعی، توسط قوانین قالب‌بندی خاص محدود شده‌اند.[1]

قدرت واقعی قانون بنفورد در کاربرد مدرن آن برای اعتبارسنجی داده‌ها و کشف تقلب‌های قانونی نهفته است. در سال ۱۹۷۲، هال واریان، اقتصاددان، برای اولین بار پیشنهاد کرد که می‌توان از این ویژگی ریاضی برای به دام انداختن فرارکنندگان مالیاتی و کلاهبرداران شرکتی استفاده کرد.

هنگامی که انسان‌ها تلاش می‌کنند داده‌های مالی را جعل کنند، به طور شهودی سعی می‌کنند اعداد را تا حد امکان تصادفی جلوه دهند و ارقام اول را به طور نسبتاً یکنواخت در سراسر طیف توزیع کنند. یک کلاهبردار که فاکتورهای جعلی می‌نویسد یا دفتر کل را دستکاری می‌کند، ناخودآگاه حدود ۱۱٪ از ورودی‌های ساختگی خود را با ۹ شروع می‌کند، زیرا صادقانه معتقد است که این نشان‌دهنده یک توزیع طبیعی و غیرقابل کشف است.[1]

این رفتار شهودی انسانی یک ناهنجاری آماری بزرگ و به راحتی قابل تشخیص ایجاد می‌کند. با نمایش بیش از حد رقم ۹ (بیش از دو برابر) و نمایش کمتر از حد رقم ۱ (تقریباً به اندازه یک سوم)، داده‌های ساختگی به شدت از منحنی لگاریتمی مورد انتظار منحرف می‌شوند.

حسابداران قانونی از آزمون‌های آماری پیشرفته مانند انحراف مطلق میانگین (MAD) یا آمار Z برای اندازه‌گیری دقیق شکاف بین فراوانی‌های مورد انتظار بنفورد و داده‌های واقعی ارائه‌شده استفاده می‌کنند. هنگامی که انحراف از یک آستانه مشخص عبور می‌کند، مجموعه داده برای بررسی دستی علامت‌گذاری می‌شود.[2]

امروزه، قانون بنفورد در نرم‌افزارهای تجاری تحلیل داده کدگذاری شده و به طور معمول توسط سازمان امور مالیاتی آمریکا (IRS)، حسابرسان خارجی شرکت‌ها و تیم‌های امنیت شبکه در سراسر جهان به کار گرفته می‌شود. این قانون به طور مشهوری برای تحلیل داده‌های حسابداری انرون در طول فروپاشی چشمگیر این شرکت انرژی مورد استفاده قرار گرفت و انحرافات آشکاری را در توزیع ارقام اول صورت‌های مالی منتشر شده آن‌ها نشان داد.

فراتر از حوزه مالی، تیم‌های امنیت سایبری اکنون از این قانون برای تعیین خطوط پایه حجم ترافیک شبکه استفاده می‌کنند و فوراً رویدادهای غیرعادی خروج داده یا تهدیدات داخلی را که از منحنی عددی مورد انتظار منحرف می‌شوند، علامت‌گذاری می‌کنند.[1]

با وجود کاربرد عظیم، انحراف از قانون بنفورد اثبات مطلق تقلب نیست؛ بلکه یک سیگنال هشدار آماری است که دقیقاً به بازرسان نشان می‌دهد کجا را جستجو کنند. قوانین تجاری مشروع می‌توانند ناهنجاری‌های طبیعی ایجاد کنند که منحنی را به طور کامل می‌شکنند.

به عنوان مثال، یک سیاست شرکتی که برای هر هزینه‌ای بیش از ۵۰۰ دلار نیاز به تأیید مدیر دارد، به طور طبیعی باعث می‌شود کارمندان تعداد نامتناسبی از هزینه‌ها را که با ۴ شروع می‌شوند (مانند ۴۹۵ دلار) برای جلوگیری از کاغذبازی اضافی ارائه دهند. در تحلیل مبتنی بر شواهد، این قانون به عنوان یک فیلتر اولیه قدرتمند عمل می‌کند و ریتم ریاضی طبیعی جهان را از الگوهای مصنوعی مداخله انسانی جدا می‌سازد.[2]