آن لائن دھوکہ دہی کا کاروبار پر وسیع اثر پڑتا ہے اور نئے اکاؤنٹ کے فراڈ اور اکاؤنٹ ٹیک اوور کا پتہ لگانے اور اسے روکنے اور ادائیگی کے مشکوک لین دین کو روکنے کے لیے ایک مؤثر اینڈ ٹو اینڈ حکمت عملی کی ضرورت ہوتی ہے۔ دھوکہ دہی کے واقعہ کے وقت کے قریب دھوکہ دہی کا پتہ لگانا دھوکہ دہی کا پتہ لگانے اور روک تھام کے نظام کی کامیابی کی کلید ہے۔ سسٹم کو ہر ممکن حد تک مؤثر طریقے سے دھوکہ دہی کا پتہ لگانے کے قابل ہونا چاہئے اور اختتامی صارف کو جلد از جلد متنبہ کرنا چاہئے۔ اس کے بعد صارف مزید بدسلوکی کو روکنے کے لیے کارروائی کرنے کا انتخاب کر سکتا ہے۔
اس پوسٹ میں، ہم قریب حقیقی وقت میں آن لائن لین دین کی دھوکہ دہی کا پتہ لگانے کے لیے سرور کے بغیر نقطہ نظر دکھاتے ہیں۔ ہم دکھاتے ہیں کہ آپ کس طرح مختلف ڈیٹا سٹریمنگ اور ایونٹ سے چلنے والے فن تعمیرات پر اس نقطہ نظر کو لاگو کر سکتے ہیں، مطلوبہ نتائج اور دھوکہ دہی کو روکنے کے لیے کیے جانے والے اقدامات پر منحصر ہے (جیسے کہ صارف کو دھوکہ دہی کے بارے میں آگاہ کرنا یا اضافی جائزے کے لیے لین دین پر پرچم لگانا)۔
یہ پوسٹ تین فن تعمیرات کو نافذ کرتی ہے:
دھوکہ دہی پر مبنی لین دین کا پتہ لگانے کے لیے، ہم Amazon Fraud Detector کا استعمال کرتے ہیں، جو ایک مکمل طور پر منظم سروس ہے جو آپ کو ممکنہ طور پر دھوکہ دہی کی سرگرمیوں کی شناخت کرنے اور مزید آن لائن فراڈ کو تیزی سے پکڑنے کے قابل بناتی ہے۔ ماضی کے ڈیٹا کی بنیاد پر ایمیزون فراڈ ڈیٹیکٹر ماڈل بنانے کے لیے، دیکھیں ایمیزون فراڈ ڈیٹیکٹر کی نئی خصوصیات کے ساتھ آن لائن ٹرانزیکشن فراڈ کا پتہ لگائیں۔. آپ بھی استعمال کر سکتے ہیں ایمیزون سیج میکر ملکیتی فراڈ کا پتہ لگانے کے ماڈل کو تربیت دینے کے لیے۔ مزید معلومات کے لیے رجوع کریں۔ Amazon SageMaker کے ساتھ دھوکہ دہی کی ادائیگی کا پتہ لگانے کی تربیت دیں۔.
سٹریمنگ ڈیٹا معائنہ اور دھوکہ دہی کا پتہ لگانے/روک تھام
یہ آرکیٹیکچر ایمیزون فراڈ ڈیٹیکٹر کا استعمال کرتے ہوئے ریئل ٹائم کائنیسس ڈیٹا اسٹریم ڈیٹا انسپیکشن اور دھوکہ دہی کا پتہ لگانے اور روک تھام کو فعال کرنے کے لیے لیمبڈا اور اسٹیپ فنکشنز کا استعمال کرتا ہے۔ اگر آپ استعمال کرتے ہیں تو وہی فن تعمیر لاگو ہوتا ہے۔ ایمیزون نے اپاچی کافکا کے لیے سٹریمنگ کا انتظام کیا۔ (ایمیزون ایم ایس کے) بطور ڈیٹا اسٹریمنگ سروس۔ یہ پیٹرن حقیقی وقت میں دھوکہ دہی کا پتہ لگانے، اطلاع دینے اور ممکنہ روک تھام کے لیے مفید ہو سکتا ہے۔ اس کے لیے استعمال کے معاملات کی مثال ادائیگی کی کارروائی یا زیادہ مقدار میں اکاؤنٹ بنانا ہو سکتا ہے۔ مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے۔
اس عمل میں عمل کا بہاؤ مندرجہ ذیل ہے:
- ہم مالی لین دین کو Kinesis ڈیٹا اسٹریم میں داخل کرتے ہیں۔ ڈیٹا کا ماخذ ایک ایسا نظام ہو سکتا ہے جو ان لین دین کو تخلیق کرتا ہے — مثال کے طور پر، ای کامرس یا بینکنگ۔
- لیمبڈا فنکشن بیچوں میں لین دین وصول کرتا ہے۔
- لیمبڈا فنکشن بیچ کے لیے سٹیپ فنکشنز ورک فلو کو شروع کرتا ہے۔
- ہر لین دین کے لیے، ورک فلو درج ذیل اعمال انجام دیتا ہے:
- ایک میں لین دین کو جاری رکھیں ایمیزون ڈائنومو ڈی بی میز.
- کال کریں ایمیزون فراڈ ڈیٹیکٹر API GetEventPrediction کارروائی کا استعمال کرتے ہوئے. API مندرجہ ذیل نتائج میں سے ایک لوٹاتا ہے: منظور کریں، بلاک کریں، یا تفتیش کریں۔
- DynamoDB ٹیبل میں ٹرانزیکشن کو فراڈ کی پیشن گوئی کے نتائج کے ساتھ اپ ڈیٹ کریں۔
- نتائج کی بنیاد پر، درج ذیل میں سے کوئی ایک عمل کریں:
- کا استعمال کرتے ہوئے ایک اطلاع بھیجیں۔ ایمیزون سادہ نوٹیفکیشن سروس (ایمیزون ایس این ایس) بلاک ہونے کی صورت میں یا ایمیزون فراڈ ڈیٹیکٹر کی جانب سے جواب کی تحقیقات کریں۔
- منظور شدہ جواب کی صورت میں لین دین پر مزید کارروائی کریں۔
یہ نقطہ نظر آپ کو حقیقی وقت میں ممکنہ طور پر دھوکہ دہی والے لین دین پر ردعمل ظاہر کرنے کی اجازت دیتا ہے کیونکہ آپ ہر لین دین کو ڈیٹا بیس میں محفوظ کرتے ہیں اور مزید کارروائی کرنے سے پہلے اس کا معائنہ کرتے ہیں۔ اصل عمل میں، آپ اضافی جائزے کے لیے نوٹیفکیشن کے مرحلے کو ایک ایسی کارروائی سے بدل سکتے ہیں جو آپ کے کاروباری عمل کے لیے مخصوص ہو — مثال کے طور پر، کسی دوسرے فراڈ کا پتہ لگانے والے ماڈل کا استعمال کرتے ہوئے ٹرانزیکشن کا معائنہ کریں، یا دستی جائزہ لیں۔
دھوکہ دہی کا پتہ لگانے/روک تھام کے لیے ڈیٹا کی افزودگی کا سلسلہ
بعض اوقات، آپ کو ممکنہ طور پر جعلی ڈیٹا کو جھنڈا لگانے کی ضرورت پڑسکتی ہے لیکن پھر بھی اس پر کارروائی کرتے ہیں۔ مثال کے طور پر، جب آپ مزید تجزیات کے لیے لین دین کو اسٹور کر رہے ہوں اور فراڈ کا پتہ لگانے کے ماڈل کو مسلسل ٹیوننگ کرنے کے لیے مزید ڈیٹا اکٹھا کر رہے ہوں۔ ایک مثال کے استعمال کا کیس کلیمز پروسیسنگ ہے۔ کلیمز پروسیسنگ کے دوران، آپ تمام دعووں کی دستاویزات جمع کرتے ہیں اور پھر انہیں فراڈ کا پتہ لگانے کے نظام کے ذریعے چلاتے ہیں۔ اس کے بعد دعوی پر کارروائی یا مسترد کرنے کا فیصلہ کیا جاتا ہے - ضروری نہیں کہ حقیقی وقت میں۔ ایسے معاملات میں، اسٹریمنگ ڈیٹا افزودگی آپ کے استعمال کے معاملے میں بہتر طور پر فٹ ہو سکتی ہے۔
یہ فن تعمیر ایمیزون فراڈ ڈیٹیکٹر کا استعمال کرتے ہوئے ریئل ٹائم کائنیسس ڈیٹا فائر ہوز ڈیٹا افزودگی کو فعال کرنے کے لیے لیمبڈا کا استعمال کرتا ہے۔ Kinesis Data Firehose ڈیٹا کی تبدیلی.
یہ نقطہ نظر دھوکہ دہی کی روک تھام کے اقدامات کو نافذ نہیں کرتا ہے۔ ہم ایک کو افزودہ ڈیٹا فراہم کرتے ہیں۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) بالٹی۔ ڈاؤن اسٹریم سروسز جو ڈیٹا استعمال کرتی ہیں وہ اپنے کاروباری منطق میں دھوکہ دہی کا پتہ لگانے کے نتائج کو استعمال کر سکتی ہیں اور اس کے مطابق کام کر سکتی ہیں۔ مندرجہ ذیل خاکہ اس فن تعمیر کو واضح کرتا ہے۔
اس عمل میں عمل کا بہاؤ مندرجہ ذیل ہے:
- ہم مالی لین دین کو Kinesis Data Firehose میں داخل کرتے ہیں۔ ڈیٹا کا ذریعہ ایک ایسا نظام ہو سکتا ہے جو ان لین دین کو پیدا کرتا ہے، جیسے ای کامرس یا بینکنگ۔
- ایک لیمبڈا فنکشن بیچوں میں لین دین وصول کرتا ہے اور انہیں افزودہ کرتا ہے۔ بیچ میں ہر لین دین کے لیے، فنکشن درج ذیل اعمال انجام دیتا ہے:
- GetEventPrediction ایکشن کا استعمال کرتے ہوئے Amazon Fraud Detector API کو کال کریں۔ API تین میں سے ایک نتیجہ واپس کرتا ہے: منظور کریں، بلاک کریں یا تفتیش کریں۔
- فراڈ کا پتہ لگانے کے نتائج کو میٹا ڈیٹا کے طور پر شامل کر کے لین دین کا ڈیٹا اپ ڈیٹ کریں۔
- Kinesis Data Firehose کی ترسیل کے سلسلے میں اپ ڈیٹ کردہ لین دین کا بیچ واپس کریں۔
- Kinesis Data Firehose ڈیٹا کو منزل تک پہنچاتا ہے (ہمارے معاملے میں، S3 بالٹی)۔
نتیجے کے طور پر، ہمارے پاس S3 بالٹی میں ڈیٹا موجود ہے جس میں نہ صرف اصل ڈیٹا بلکہ Amazon Fraud Detector کا جواب بھی ہر ایک لین دین کے لیے میٹا ڈیٹا کے طور پر شامل ہے۔ آپ اس میٹا ڈیٹا کو اپنے ڈیٹا اینالیٹکس سلوشنز، مشین لرننگ ماڈل ٹریننگ ٹاسکس، یا ویژولائزیشنز اور ڈیش بورڈز میں استعمال کر سکتے ہیں جو لین دین کا ڈیٹا استعمال کرتے ہیں۔
ایونٹ کے ڈیٹا کا معائنہ اور دھوکہ دہی کا پتہ لگانے/روک تھام
تمام ڈیٹا آپ کے سسٹم میں بطور اسٹریم نہیں آتا ہے۔ تاہم، ایونٹ سے چلنے والے فن تعمیر کے معاملات میں، آپ اب بھی اسی طرح کے نقطہ نظر کی پیروی کر سکتے ہیں۔
یہ آرکیٹیکچر Amazon فراڈ ڈیٹیکٹر کا استعمال کرتے ہوئے ریئل ٹائم EventBridge ایونٹ انسپیکشن اور فراڈ کا پتہ لگانے/روکنے کے لیے سٹیپ فنکشنز کا استعمال کرتا ہے۔ یہ ممکنہ طور پر دھوکہ دہی والے لین دین کی پروسیسنگ کو نہیں روکتا ہے، بلکہ یہ اضافی جائزے کے لیے لین دین کو جھنڈا دیتا ہے۔ ہم افزودہ ٹرانزیکشنز کو ایک ایونٹ بس میں شائع کرتے ہیں جو اس سے مختلف ہے جس میں خام ایونٹ ڈیٹا شائع کیا جا رہا ہے۔ اس طرح، ڈیٹا کے صارفین اس بات کا یقین کر سکتے ہیں کہ تمام واقعات میں میٹا ڈیٹا کے طور پر فراڈ کا پتہ لگانے کے نتائج شامل ہیں۔ اس کے بعد صارفین میٹا ڈیٹا کا معائنہ کر سکتے ہیں اور میٹا ڈیٹا کی بنیاد پر اپنے قوانین کا اطلاق کر سکتے ہیں۔ مثال کے طور پر، ایونٹ سے چلنے والی ای کامرس ایپلیکیشن میں، صارف آرڈر پر کارروائی نہ کرنے کا انتخاب کر سکتا ہے اگر اس لین دین کی دھوکہ دہی کی پیش گوئی کی جاتی ہے۔ یہ آرکیٹیکچر پیٹرن نئے اکاؤنٹ بنانے میں یا اکاؤنٹ پروفائل میں تبدیلیوں کے دوران دھوکہ دہی کا پتہ لگانے اور روکنے کے لیے بھی کارآمد ثابت ہو سکتا ہے (جیسے آپ کے اکاؤنٹ پروفائل میں فائل پر اپنا پتہ، فون نمبر، یا کریڈٹ کارڈ تبدیل کرنا)۔ مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے۔
اس عمل میں عمل کا بہاؤ مندرجہ ذیل ہے:
- ہم مالی لین دین کو ایک EventBridge ایونٹ بس میں شائع کرتے ہیں۔ ڈیٹا کا ماخذ ایک ایسا نظام ہو سکتا ہے جو ان لین دین کو تخلیق کرتا ہے — مثال کے طور پر، ای کامرس یا بینکنگ۔
- ایونٹ برج کا اصول سٹیپ فنکشنز ورک فلو کو شروع کرتا ہے۔
- سٹیپ فنکشنز ورک فلو ٹرانزیکشن وصول کرتا ہے اور اسے درج ذیل مراحل کے ساتھ پروسیس کرتا ہے:
- کا استعمال کرتے ہوئے ایمیزون فراڈ ڈیٹیکٹر API کو کال کریں۔
GetEventPrediction
عمل. API تین میں سے ایک نتیجہ واپس کرتا ہے: منظور کریں، بلاک کریں یا تفتیش کریں۔ - فراڈ کا پتہ لگانے کے نتائج شامل کرکے لین دین کا ڈیٹا اپ ڈیٹ کریں۔
- اگر ٹرانزیکشن فراڈ کی پیشن گوئی کا نتیجہ بلاک یا تفتیش ہے تو مزید تفتیش کے لیے Amazon SNS کا استعمال کرتے ہوئے ایک اطلاع بھیجیں۔
- افزودہ ڈیٹا کے لیے تازہ ترین لین دین کو EventBridge بس میں شائع کریں۔
- کا استعمال کرتے ہوئے ایمیزون فراڈ ڈیٹیکٹر API کو کال کریں۔
جیسا کہ Kinesis Data Firehose ڈیٹا کی افزودگی کے طریقہ کار میں ہے، یہ فن تعمیر جعلی ڈیٹا کو اگلے مرحلے تک پہنچنے سے نہیں روکتا ہے۔ یہ دھوکہ دہی کا پتہ لگانے والے میٹا ڈیٹا کو اصل ایونٹ میں شامل کرتا ہے اور ممکنہ طور پر جعلی لین دین کے بارے میں اطلاعات بھیجتا ہے۔ یہ ہو سکتا ہے کہ افزودہ ڈیٹا کے صارفین میں کاروباری منطق شامل نہ ہو جو اپنے فیصلوں میں فراڈ کا پتہ لگانے والے میٹا ڈیٹا کا استعمال کرتی ہے۔ اس صورت میں، آپ Step Functions کے ورک فلو کو تبدیل کر سکتے ہیں تاکہ یہ اس طرح کے لین دین کو منزل مقصود کی بس میں نہ ڈالے اور انہیں ایک علیحدہ ایونٹ بس میں لے جائے تاکہ ایک الگ مشکوک ٹرانزیکشن پروسیسنگ ایپلیکیشن استعمال کرے۔
عمل
اس پوسٹ میں بیان کردہ ہر ایک فن تعمیر کے لیے، آپ تلاش کر سکتے ہیں۔ AWS سرور لیس ایپلیکیشن ماڈل (AWS SAM) میں ٹیمپلیٹس، تعیناتی، اور جانچ کی ہدایات نمونہ ذخیرہ.
نتیجہ
یہ پوسٹ ایک حقیقی وقت میں دھوکہ دہی کا پتہ لگانے اور روک تھام کے حل کو لاگو کرنے کے مختلف طریقوں سے گزرتی ہے۔ ایمیزون مشین لرننگ خدمات اور سرور لیس فن تعمیرات. یہ حل آپ کو دھوکہ دہی کے واقع ہونے کے وقت کے قریب دھوکہ دہی کا پتہ لگانے اور اس پر جلد سے جلد کارروائی کرنے کی اجازت دیتے ہیں۔ اسٹیپ فنکشنز کا استعمال کرتے ہوئے نفاذ کی لچک آپ کو اس طریقے سے ردعمل ظاہر کرنے کی اجازت دیتی ہے جو صورتحال کے لیے موزوں ترین ہو اور کوڈ میں کم سے کم تبدیلیوں کے ساتھ روک تھام کے اقدامات کو بھی ایڈجسٹ کریں۔
مزید سرور کے بغیر سیکھنے کے وسائل کے لیے، ملاحظہ کریں۔ بے سرور زمین.
مصنفین کے بارے میں
وید رمن میری لینڈ میں مقیم مشین لرننگ کے لیے ایک سینئر اسپیشلسٹ سولیوشن آرکیٹیکٹ ہے۔ ویدا صارفین کے ساتھ کام کرتا ہے تاکہ ان کو موثر، محفوظ اور قابل توسیع مشین لرننگ ایپلی کیشنز کو معمار بنانے میں مدد ملے۔ ویڈا مشین لرننگ کے لیے بغیر سرور ٹیکنالوجیز کا فائدہ اٹھانے میں صارفین کی مدد کرنے میں دلچسپی رکھتا ہے۔
Giedrius Praspaliauskas کیلیفورنیا میں مقیم سرور لیس کے لیے ایک سینئر ماہر حل آرکیٹیکٹ ہے۔ Giedrius صارفین کے ساتھ کام کرتا ہے تاکہ انہیں توسیع پذیر، غلطی برداشت کرنے والی، اعلی کارکردگی کا مظاہرہ کرنے والی، لاگت سے موثر ایپلی کیشنز بنانے کے لیے سرور کے بغیر خدمات کا فائدہ اٹھانے میں مدد ملے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/real-time-fraud-detection-using-aws-serverless-and-machine-learning-services/
- : ہے
- 100
- 28
- 7
- a
- قابلیت
- ہمارے بارے میں
- بدسلوکی
- اس کے مطابق
- اکاؤنٹ
- ایکٹ
- عمل
- اعمال
- سرگرمیوں
- ایڈیشنل
- پتہ
- جوڑتا ہے
- انتباہ
- تمام
- کی اجازت دیتا ہے
- ایمیزون
- ایمیزون فراڈ ڈیٹیکٹر
- تجزیاتی
- اور
- اپاچی
- اے پی آئی
- درخواست
- ایپلی کیشنز
- کا اطلاق کریں
- نقطہ نظر
- مناسب
- منظور
- فن تعمیر
- AS
- AWS
- بینکنگ
- کی بنیاد پر
- BE
- اس سے پہلے
- کیا جا رہا ہے
- بہتر
- بلاک
- تعمیر
- بس
- کاروبار
- کاروبار
- by
- کیلی فورنیا
- کر سکتے ہیں
- کارڈ
- کیس
- مقدمات
- پکڑو
- تبدیل
- تبدیلیاں
- تبدیل کرنے
- میں سے انتخاب کریں
- کا دعوی
- دعوے
- قریب
- کوڈ
- جمع
- جمع
- سلوک
- مسلسل
- بسم
- بسم
- صارفین
- صارفین
- سرمایہ کاری مؤثر
- سکتا ہے
- مخلوق
- کریڈٹ
- کریڈٹ کارڈ
- گاہکوں
- اعداد و شمار
- ڈیٹا تجزیات
- ڈیٹا کی افزودگی
- ڈیٹا بیس
- فیصلہ
- فیصلے
- نجات
- فراہم کرتا ہے
- ترسیل
- منحصر ہے
- تعیناتی
- بیان کیا
- مطلوبہ
- منزل
- کھوج
- مختلف
- دستاویزات
- نہیں کرتا
- نہیں
- کے دوران
- ہر ایک
- ای کامرس
- موثر
- مؤثر طریقے
- ہنر
- کو چالو کرنے کے
- کو فعال کرنا
- آخر سے آخر تک
- افزودہ
- واقعہ
- واقعات
- مثال کے طور پر
- تیز تر
- فائل
- مالی
- مل
- فٹ
- پرچم
- لچک
- بہاؤ
- پر عمل کریں
- کے بعد
- مندرجہ ذیل ہے
- کے لئے
- دھوکہ دہی
- فراڈ کا پتہ لگانے
- فراڈ کی روک تھام
- دھوکہ دہی
- سے
- مکمل طور پر
- تقریب
- افعال
- مزید
- پیدا ہوتا ہے
- ہے
- مدد
- مدد
- اعلی کارکردگی
- کس طرح
- تاہم
- HTML
- HTTPS
- i
- شناخت
- اثر
- پر عملدرآمد
- نفاذ
- عمل
- in
- شامل
- شامل ہیں
- معلومات
- ہدایات
- دلچسپی
- کی تحقیقات
- تحقیقات
- IT
- کلیدی
- Kinesis ڈیٹا فائر ہوز
- سیکھنے
- لیوریج
- کی طرح
- مشین
- مشین لرننگ
- میں کامیاب
- دستی
- میری لینڈ
- میٹا ڈیٹا
- طریقہ
- طریقوں
- کم سے کم
- ماڈل
- زیادہ
- سب سے زیادہ
- ضروری ہے
- ضرورت ہے
- نئی
- اگلے
- نوٹیفیکیشن
- اطلاعات
- تعداد
- of
- on
- ایک
- آن لائن
- حکم
- اصل
- دیگر
- نتائج
- خود
- گزشتہ
- پاٹرن
- ادائیگی
- ادائیگی کی پروسیسنگ
- ادائیگی کے لین دین
- انجام دیں
- کارکردگی کا مظاہرہ
- فون
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- ممکن
- پوسٹ
- ممکنہ
- ممکنہ طور پر
- پیش گوئی
- کی پیشن گوئی
- کی روک تھام
- کی روک تھام
- روک تھام
- عمل
- عمل
- پروسیسنگ
- پروفائل
- ملکیت
- شائع
- شائع
- ڈال
- جلدی سے
- بلکہ
- خام
- پہنچنا
- جواب دیں
- اصلی
- اصل وقت
- موصول
- کی جگہ
- کی ضرورت ہے
- وسائل
- جواب
- نتیجہ
- نتائج کی نمائش
- واپسی
- کا جائزہ لینے کے
- راستے
- حکمرانی
- قوانین
- رن
- سیم
- اسی
- توسیع پذیر
- محفوظ بنانے
- سینئر
- علیحدہ
- بے سرور
- سروس
- سروسز
- ہونا چاہئے
- دکھائیں
- اسی طرح
- سادہ
- صورتحال
- So
- حل
- حل
- کچھ
- ماخذ
- ماہر
- مخصوص
- شروع ہوتا ہے
- مرحلہ
- مراحل
- ابھی تک
- بند کرو
- ذخیرہ
- ذخیرہ
- حکمت عملی
- سٹریم
- محرومی
- سٹریمنگ سروس
- کامیابی
- اس طرح
- مشکوک
- کے نظام
- ٹیبل
- لے لو
- کاموں
- ٹیکنالوجی
- سانچے
- ٹیسٹنگ
- کہ
- ۔
- ماخذ
- ان
- ان
- یہ
- تین
- کے ذریعے
- وقت
- کرنے کے لئے
- ٹرین
- ٹریننگ
- ٹرانزیکشن
- معاملات
- اپ ڈیٹ
- استعمال کی شرائط
- استعمال کیس
- رکن کا
- مختلف
- دورہ
- چلا گیا
- راستہ..
- وسیع پیمانے پر
- ساتھ
- کام کرتا ہے
- تم
- اور
- زیفیرنیٹ