Feature von Amazon Fraud Detector

Amazon Fraud Detector automatisiert vollständig die Erstellung von Machine-Learning-Modellen, die potenzielle Betrugsfälle für gängige Online-Aktivitäten wie die Erstellung neuer Konten, Online-Zahlungen und Gast-Checkouts erkennen. Der automatisierte Modellerstellungsprozess übernimmt für Sie alle schwierigen Aufgaben wie Datenvalidierung und -anreicherung, Feature-Engineering, Algorithmusauswahl, Hyperparameter-Tuning und Modellbereitstellung. Sie laden einfach Ihren Datensatz hoch, wählen den Modelltyp aus und Amazon Fraud Detector findet automatisch das am besten passende ML-Modell zur Betrugserkennung. Es sind keine Vorkenntnisse zu Machine Learning oder Coding erforderlich.

Ihr Modell behält seine Leistung zwischen den erneuten Schulungen länger, da Amazon Fraud Detector automatisch Informationen wie das Alter des Kontos, die Zeit seit der letzten Aktivität und die Anzahl der Aktivitäten berechnet. Dies bedeutet, dass Ihr Modell den Unterschied zwischen vertrauenswürdigen Kunden, die häufig Transaktionen durchführen, und den fortgesetzten Versuchen von Betrügern erkennen kann.

Für jedes trainierte Modell können Sie alle von Ihnen bereitgestellten Eingaben geordnet nach ihrer Auswirkung auf die Modellleistung sehen. Anhand der Wichtigkeitswerte und des relativen Rankings erhalten Sie Einblicke in die Eingaben, die Ihre Modellleistung antreiben.

Nachdem Sie ein Betrugserkennungsmodell für Amazon Fraud Detector erstellt haben, können Sie die Amazon-Fraud-Detector-Konsole oder die Anwendungsprogrammierschnittstelle (API) verwenden, um Regeln basierend auf Modellvorhersagen zu erstellen. Kunden können Regeln erstellen, um Aktionen wie das Akzeptieren, Überprüfen oder Erfassen weiterer Informationen für bestimmte Modellwerte durchzuführen. Sie können beispielsweise ganz einfach eine Regel erstellen, um verdächtige Kundenkonten zur Überprüfung zu kennzeichnen, wenn die Modellbewertung Ihren vorgegebenen Schwellenwert überschreitet und das Land der Telefonnummer und das Land der IP-Adresse des Kontos nicht übereinstimmen.

Um Betrugsvorhersagen in Echtzeit durchzuführen, können Sie die Amazon-Fraud-Detector-API in Ihrer Anwendung verwenden, um Online-Aktivitäten zu bewerten, sobald diese auftreten. Sie können beispielsweise die Betrugsvorhersage-API aufrufen, um jede neue Kontoanmeldung auf potenzielle Betrugsrisiken zu überprüfen, indem Sie Ihr Modell und Ihre Regeln verwenden, um eine Aktion auszulösen.

Mit der Amazon-Fraud-Detector-Konsole können Sie Ihre früheren Betrugsbewertungen einfach durchsuchen und überprüfen, um die Erkennungslogik zu überprüfen. Zeigen Sie Ereignisdaten, die während der Auswertung angewendete Erkennungslogik und die Bedingungen an, die zu einem Betrugsvorhersageergebnis geführt haben.

Wenn Sie bereits ein Betrugserkennungsmodell in Amazon SageMaker erstellt haben, können Sie es in Amazon Fraud Detector integrieren, um noch mehr Betrug zu verhindern. Sie können in Ihrer Anwendung sowohl Ihr Amazon -SageMaker- als auch Ihr Amazon-Fraud-Detector-Modell verwenden, um verschiedene Arten von Betrug zu erkennen. Ihre Anwendung kann beispielsweise das Amazon-Fraud-Detector-Modell verwenden, um das Betrugsrisiko von Kundenkonten zu bewerten, und gleichzeitig Ihr Amazon-SageMaker-Modell verwenden, um das Risiko einer Kontokompromittierung zu überprüfen.