Teil B: Generieren Sie Betrugsvorhersagen

Die Betrugsvorhersage ist eine Bewertung von Betrug für eine Geschäftstätigkeit (Ereignis). Amazon Fraud Detector verwendet Detektoren, um Betrugsvorhersagen zu generieren. Ein Detektor enthält Erkennungslogik, z. B. Modelle und Regeln, für ein bestimmtes Ereignis, das Sie auf Betrug hin auswerten möchten. Die Erkennungslogik verwendet Regeln, um Amazon Fraud Detector mitzuteilen, wie die mit dem Modell verknüpften Daten zu interpretieren sind. In diesem Tutorial bewerten Sie das Ereignis der Kontoregistrierung anhand des Beispieldatensatzes für die Kontoregistrierung, den Sie zuvor hochgeladen haben.

In Teil A haben Sie Ihr Modell erstellt, trainiert und eingesetzt. In Teil B erstellen Sie einen Detektor für densample_registration Ereignistyp, fügen das bereitgestellte Modell hinzu, erstellen Regeln und eine Regelausführungsreihenfolge und erstellen und aktivieren dann eine Version des Detektors, die Sie zur Generierung von Betrugsprognosen verwenden.

Schritt 1: Erstellen eines Detektors

Um einen Detektor zu erstellen

1. Wählen Sie im linken Navigationsbereich der Amazon Fraud Detector Detector Detector die Option Detectors aus.

2. Wählen Sie Detektor erstellen.

3. Geben Sie auf der Seite „Melderdetails definieren“sample_detector den Namen des Melders ein. Geben Sie optional eine Beschreibung für den Detektor ein, z.my sample fraud detector B.

4. Wählen Sie als Ereignistyp die Option sample_registration aus. Dies ist das Ereignis, das Sie in Teil A dieses Tutorials erstellt haben.

5. Wählen Sie Next (Weiter).

Schritt 2: Hinzufügen eines Modells

Wenn Sie Teil A dieses Tutorials abgeschlossen haben, haben Sie wahrscheinlich bereits ein Amazon Fraud Detector Detector-Modell, das Sie Ihrem Detektor hinzufügen können. Wenn Sie noch kein Modell erstellt haben, fahren Sie mit Teil A fort und führen Sie die Schritte zum Erstellen, Trainieren und Bereitstellen eines Modells aus. Fahren Sie dann mit Teil B fort.

1. Wählen Sie unter Modell hinzufügen — optional die Option Modell hinzufügen aus.

2. Wählen Sie auf der Seite Modell hinzufügen unter Modell auswählen den Amazon Fraud Detector Detector-Modellnamen aus, den Sie zuvor bereitgestellt haben. Wählen Sie unter Version auswählen die Modellversion des bereitgestellten Modells aus.

3. Wählen Sie Add model aus.

4. Wählen Sie Next (Weiter).

Schritt 3: Hinzufügen von Regeln

Eine Regel ist eine Bedingung, die Amazon Fraud Detector mitteilt, wie der Leistungswert des Modells bei der Bewertung zur Betrugsvorhersage zu interpretieren ist. Für dieses Tutorial erstellen Sie drei Regeln:high_fraud_riskmedium_fraud_risk, undlow_fraud_risk.

1. Gebenhigh_fraud_risk Sie auf der Seite Regeln hinzufügen unter Regel definieren den Regelnamen und unter Beschreibung — optional eine Beschreibung für dieThis rule captures events with a high ML model score Regel ein.

2. Geben Sie im Feld Ausdruck den folgenden Regelausdruck in der Sprache des vereinfachten Regelausdrucks von Amazon Fraud Detector ein:

   $sample_fraud_detection_model_insightscore > 900

3. Wählen Sie unter Ergebnisse die Option Neues Ergebnis erstellen aus. Ein Ergebnis ist das Ergebnis einer Betrugsvorhersage und wird zurückgegeben, wenn die Regel während einer Auswertung übereinstimmt.

4. Geben verify_customerSie im Feld Neues Ergebnis erstellen den Namen des Ergebnisses ein. Geben Sie optional eine Beschreibung ein.

5. Wählen Sie Ergebnis speichern.

6. Wählen Sie Regel hinzufügen, um die Regelüberprüfung auszuführen und die Regel zu speichern. Nach der Erstellung stellt Amazon Fraud Detector die Regel zur Verwendung in Ihrem Detektor zur Verfügung.

7. Wählen Sie Weitere Regel hinzufügen und klicken Sie dann auf die Registerkarte Regel erstellen.

8. Wiederholen Sie diesen Vorgang noch zweimal, um Ihremedium_fraud_risklow_fraud_risk AND-Regeln mit den folgenden Regeldetails zu erstellen:

   • mittleres Betrugsrisiko

     Name der Regel:medium_fraud_risk

     Ergebnis:review

     Ausdruck:

     $sample_fraud_detection_model_insightscore <= 900 and

     $sample_fraud_detection_model_insightscore > 700

   • niedriges Betrugsrisiko

     Name der Regel:low_fraud_risk

     Ergebnis:approve

     Ausdruck:

     $sample_fraud_detection_model_insightscore <= 700

   Diese Werte sind Beispiele für dieses Tutorial. Wenn Sie Regeln für Ihren eigenen Detektor erstellen, verwenden Sie Werte, die für Ihr Modell und Ihren Anwendungsfall geeignet sind.

9. Nachdem Sie alle drei Regeln erstellt haben, wählen Sie Weiter.

   Weitere Informationen zum Erstellen und Schreiben von Regeln finden Sie unterRegeln undReferenz zur Regelsprache.

Schritt 4: Konfigurieren der Regelausführung und der Regelreihenfolge

Der Regelausführungsmodus für die Regeln, die im Detektor enthalten sind, bestimmt, ob alle von Ihnen definierten Regeln ausgewertet werden oder ob die Regelauswertung bei der ersten übereinstimmenden Regel beendet wird. Und die Regelreihenfolge bestimmt die Reihenfolge, in der die Regel ausgeführt werden soll.

Der Standardmodus für die Regelausführung istFIRST_MATCHED.

Erster Treffer

Der Ausführungsmodus „Erste übereinstimmende Regel“ gibt die Ergebnisse für die erste übereinstimmende Regel auf der Grundlage der definierten Regelreihenfolge zurück. Wenn Sie FIRST_MATCHED angeben bewertet Amazon Fraud Detector die Regeln nacheinander von der ersten bis zur letzten und stoppt dabei bei der ersten übereinstimmenden Regel. Amazon Fraud Detector liefert dann die Ergebnisse für diese einzelne Regel aus.

Die Reihenfolge, in der Sie Regeln ausführen, kann sich auf das Ergebnis der Betrugsprognose auswirken. Nachdem Sie Ihre Regeln erstellt haben, ordnen Sie die Regeln neu an, um sie in der gewünschten Reihenfolge auszuführen, indem Sie die folgenden Schritte ausführen:

Wenn Ihrehigh_fraud_risk Regel nicht bereits oben in Ihrer Regelliste steht, wählen Sie Reihenfolge und dann 1 aus. Dies bewegt sichhigh_fraud_risk zur ersten Position.

Wiederholen Sie diesen Vorgang, sodass sich Ihremedium_fraud_risk Regel an der zweiten Position und Ihrelow_fraud_risk Regel an der dritten Position befindet.

Alles übereinstimmend

Der Ausführungsmodus „Alle übereinstimmenden Regeln“ gibt unabhängig von der Regelreihenfolge Ergebnisse für alle übereinstimmenden Regeln zurück. Wenn Sie angebenALL_MATCHED, bewertet Amazon Fraud Detector alle Regeln aus und gibt die Ergebnisse für alle übereinstimmenden Regeln zurück.

Wählen SieFIRST_MATCHED für dieses Tutorial aus und wählen Sie dann Weiter.

Schritt 5: Überprüfen und Erstellen der Detektorversion

Eine Detektorversion definiert die spezifischen Modelle und Regeln, die für die Generierung von Betrugsprognosen verwendet werden.

1. Überprüfen Sie auf der Seite Überprüfen und erstellen die Melderdetails, Modelle und Regeln, die Sie konfiguriert haben. Wenn Sie Änderungen vornehmen müssen, wählen Sie Bearbeiten neben dem entsprechenden Abschnitt Bearbeiten aus.

2. Wählen Sie Detektor erstellen. Nach der Erstellung wird die erste Version Ihres Melders in der Tabelle mit den Detector-Versionen mit demDraft Status angezeigt.

   Sie verwenden die Entwurfsversion, um Ihren Detektor zu testen.

Schritt 6: Testen und Aktivieren der Detektorversion

In der Amazon Fraud Detector Detector-Konsole können Sie die Logik Ihres Detektors mithilfe von Scheindaten mit der Funktion Test ausführen testen. Für dieses Tutorial können Sie Kontoregistrierungsdaten aus dem Beispieldatensatz verwenden.

1. Scrollen Sie unten auf der Seite mit den Detector-Versionsdetails zu Test ausführen.

2. Geben Sie für Ereignismetadaten einen Zeitstempel ein, wann das Ereignis eingetreten ist, und geben Sie eine eindeutige Kennung für die Entität ein, die das Ereignis durchführt. Wählen Sie für dieses Tutorial ein Datum aus der Datumsauswahl für den Zeitstempel aus und geben Sie „1234“ als Entitäts-ID ein.

3. Geben Sie für Eventvariable die Variablenwerte ein, die Sie testen möchten. Für dieses Tutorial benötigen Sie nur dieemail_address Felderip_address und. Dies liegt daran, dass dies die Eingaben sind, die zum Trainieren Ihres Amazon Fraud Detector Detector-Modells verwendet werden. Sie können folgende Beispielwerte verwenden. Dies setzt voraus, dass Sie die vorgeschlagenen Variablennamen verwendet haben:

   • ip_adresse:205.251.233.178

   • email_adresse:[e-mail]

4. Wählen Sie Test ausführen.

5. Amazon Fraud Detector gibt das Ergebnis der Betrugsvorhersage auf der Grundlage des Regelausführungsmodus zurück. Wenn der Regelausführungsmodus istFIRST_MATCHED, entspricht das zurückgegebene Ergebnis der ersten Regel, die übereinstimmt. Die erste Regel ist die Regel mit der höchsten Priorität. Es ist übereinstimmend, wenn es als wahr bewertet wird. Wenn der Regelausführungsmodus istALL_MATCHED, entspricht das zurückgegebene Ergebnis allen übereinstimmenden Regeln. Das bedeutet, dass sie alle als wahr bewertet werden. Amazon Fraud Detector gibt auch die Modellbewertung für alle Modelle zurück, die Ihrem Detektor hinzugefügt wurden.

   Sie können die Eingaben ändern und einige Tests durchführen, um unterschiedliche Ergebnisse zu sehen. Sie können die Werte ip_address und email_address aus Ihrem Beispieldatensatz für die Tests verwenden und überprüfen, ob die Ergebnisse den Erwartungen entsprechen.

6. Wenn Sie mit der Funktionsweise des Melders zufrieden sind, bewerben Sie ihn vonDraft bisActive. Dadurch steht der Detektor für die Betrugserkennung in Echtzeit zur Verfügung.

   Wählen Sie auf der Seite mit den Versionsdetails von Detector die Optionen Actions, Publish, Publish Version aus. Dadurch wird der Status des Melders von Entwurf auf Aktiv geändert.

   Zu diesem Zeitpunkt sind Ihr Modell und die zugehörige Detektorlogik bereit, Online-Aktivitäten mithilfe der Amazon Fraud DetectorGetEventPrediction API in Echtzeit auf Betrug hin auszuwerten. Sie können Ereignisse auch offline mithilfe einer CSV-Eingabedatei und derCreateBatchPredictionJob API auswerten. Weitere Informationen über die Betrugsvorhersage finden Sie unterFraud Preects

Nach Abschluss dieses Tutorials haben Sie Folgendes ausgeführt:

• Hat einen Beispiel-Ereignisdatensatz in Amazon S3 hochgeladen.

• Anhand des Beispieldatensatzes wurde ein Amazon Fraud Detector-Betrugserkennungsmodell erstellt und trainiert.

• Der Leistungswert des Modells und andere Leistungskennzahlen, die Amazon Fraud Detector generiert hat, wurden angezeigt.

• Das Modell zur Betrugserkennung wurde eingesetzt.

• Erstellte einen Detektor und fügte das bereitgestellte Modell hinzu.

• Dem Detektor wurden Regeln, die Reihenfolge der Regelausführung und Ergebnisse hinzugefügt.

• Der Detektor wurde getestet, indem verschiedene Eingaben bereitgestellt und überprüft wurden, ob die Regeln und die Reihenfolge der Regelausführung wie erwartet funktionierten.

• Aktivierte den Detektor, indem du ihn veröffentlicht hast.