Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Vorteile
Amazon Fraud Detector bietet die folgenden Vorteile. Diese Vorteile ermöglichen es Ihnen, Betrug schnell zu erkennen, ohne die Zeit und Ressourcen investieren zu müssen, die üblicherweise für den Aufbau und die Wartung eines Betrugsmanagementsystems erforderlich sind.
Automatisierte Erstellung von Betrugsmodellen
Die Betrugserkennungsmodelle von Amazon Fraud Detector sind vollautomatische Modelle für maschinelles Lernen, die auf Ihre spezifischen Geschäftsanforderungen zugeschnitten sind. Sie können die Modelle von Amazon Fraud Detector verwenden, um potenziellen Betrug bei Online-Transaktionen zu erkennen, z. B. bei der Einrichtung neuer Konten, Online-Zahlungen und beim Checkout als Gast.
Da Betrugsmodelle in einem automatisierten Prozess erstellt werden, können Sie auf viele Schritte verzichten, die mit der Erstellung und Schulung eines Modells verbunden sind. Zu diesen Schritten gehören die Datenvalidierung und -anreicherung, Feature-Engineering, Algorithmusauswahl, Hyperparameter-Tuning und Modellbereitstellung.
Um mit Amazon Fraud Detector ein Modell zur Betrugserkennung zu erstellen, laden Sie nur den historischen Betrugsdatensatz Ihres Unternehmens hoch und wählen den Modelltyp aus. Anschließend findet Amazon Fraud Detector automatisch den für Ihren Anwendungsfall am besten geeigneten Algorithmus zur Betrugserkennung und erstellt das Modell. Sie benötigen keine Programmierkenntnisse oder Kenntnisse im Bereich maschinelles Lernen, um Modelle zur Betrugserkennung zu erstellen.
Betrugsmodelle, die sich weiterentwickeln und lernen
Modelle zur Betrugserkennung müssen sich ständig weiterentwickeln, um mit der sich ändernden Betrugslandschaft Schritt zu halten. Amazon Fraud Detector berechnet dazu automatisch Informationen wie das Alter des Kontos, die Zeit seit der letzten Aktivität und die Anzahl der Aktivitäten. Das Ergebnis ist, dass Ihr Modell den Unterschied zwischen vertrauenswürdigen Kunden, die häufig Transaktionen tätigen, und den für Betrüger typischen fortgesetzten Versuchen lernt. Dies trägt dazu bei, dass die Leistung Ihres Modells zwischen den Wiederholungssitzungen länger erhalten bleibt.
Visualisierung der Leistung des Betrugsmodells
Nachdem Ihr Modell anhand der von Ihnen bereitgestellten Daten trainiert wurde, validiert Amazon Fraud Detector die Leistung Ihres Modells. Es bietet Ihnen auch visuelle Tools, mit denen Sie die Leistung beurteilen können. Für jedes Modell, das Sie trainieren, können Sie den Leistungswert des Modells, das Diagramm der Punkteverteilung, die Konfusionsmatrix, die Schwellenwerttabelle und alle von Ihnen bereitgestellten Eingaben sehen, geordnet nach ihrer Auswirkung auf die Modellleistung. Mithilfe dieser Leistungswerkzeuge können Sie herausfinden, wie Ihr Modell abschneidet und welche Faktoren die Leistung Ihres Modells beeinflussen. Bei Bedarf können Sie Ihr Modell anpassen, um die Gesamtleistung zu verbessern.
Vorhersage von Betrug
Amazon Fraud Detector generiert Betrugsprognosen für die Geschäftsaktivitäten Ihres Unternehmens. Die Betrugsprognose ist eine Bewertung einer Geschäftsaktivität im Hinblick auf das Betrugsrisiko. Amazon Fraud Detector generiert Prognosen mithilfe der Prognoselogik mit den Daten, die mit der Aktivität verknüpft sind. Sie haben diese Daten bei der Erstellung Ihres Modells zur Betrugserkennung bereitgestellt. Sie können Betrugsprognosen für eine einzelne Aktivität in Echtzeit abrufen oder Betrugsvorhersagen offline für eine Reihe von Aktivitäten abrufen.
Erläuterung und Visualisierung von Betrugsprognosen
Amazon Fraud Detector generiert im Rahmen des Betrugsvorhersageprozesses Erklärungen zu Prognosen. Erläuterungen zur Vorhersage geben Aufschluss darüber, wie sich jedes Datenelement, das zum Trainieren Ihres Modells verwendet wurde, auf die Betrugsprognosen Ihres Modells ausgewirkt hat. Erklärungen zur Vorhersage werden mithilfe von visuellen Tools wie Tabellen und Grafiken bereitgestellt. Sie können diese Tools verwenden, um visuell zu erkennen, wie viel Einfluss jedes Datenelement auf die Prognosewerte hat. Anschließend können Sie diese Informationen verwenden, um die Betrugsmuster in Ihrem gesamten Datensatz zu analysieren und etwaige Verzerrungen zu erkennen. Schließlich können Sie die Erklärungen zu den Prognosen auch verwenden, um die wichtigsten Risikoindikatoren während eines manuellen Betrugsuntersuchungsprozesses zu identifizieren. Auf diese Weise können Sie die Ursachen eingrenzen, die zu falsch positiven Prognosen führen.
Regelbasierte Aktionen
Nachdem Ihr Modell zur Betrugserkennung trainiert wurde, können Sie Regeln hinzufügen, um anhand der ausgewerteten Daten Maßnahmen zu ergreifen, z. B. die Daten zu akzeptieren, Daten zur Überprüfung zu senden oder weitere Daten zu sammeln. Eine Regel ist eine Bedingung, die Amazon Fraud Detector mitteilt, wie Daten bei der Betrugsvorhersage zu interpretieren sind. Sie können beispielsweise eine Regel erstellen, die verdächtige Kundenkonten zur Überprüfung kennzeichnet. Sie können festlegen, dass diese Regel ausgelöst wird, wenn sowohl der erkannte Modellwert den festgelegten Schwellenwert übersteigt als auch wenn der Autorisierungscode (AUTH_CODE) für die Kontozahlung (AUTH_CODE) nicht gültig ist.
