Variables

Las variables representan los elementos de datos que desea utilizar en una predicción de fraude. Estas variables se pueden extraer del conjunto de datos de eventos que preparó para entrenar su modelo, de los resultados de la puntuación de riesgo de su modelo de Amazon Fraud Detector o de SageMaker los modelos de Amazon. Para obtener más información sobre las variables tomadas del conjunto de datos de eventos, consulteObtenga los requisitos del conjunto de datos de eventos mediante el explorador de modelos de datos.

Las variables que desee utilizar en su predicción de fraude deben crearse primero y, a continuación, agregarse al evento al crear su tipo de evento. A cada variable que cree se le debe asignar un tipo de datos, un valor predeterminado y, opcionalmente, un tipo de variable. Amazon Fraud Detector enriquece algunas de las variables que usted proporciona, como las direcciones IP, los números de identificación bancaria (BIN) y los números de teléfono, para crear entradas adicionales y mejorar el rendimiento de los modelos que utilizan estas variables.

Tipos de datos

Las variables deben tener un tipo de datos para el elemento de datos que representa la variable y, opcionalmente, se les puede asignar uno de los predefinidosTipos de variables. Para las variables asignadas a un tipo de variable, el tipo de datos está preseleccionado. Los tipos de datos posibles incluyen los siguientes tipos:

Tipo de datos	Descripción	Valor predeterminado	Valores de ejemplo
Cadena	Cualquier combinación de letras, números enteros o ambos	<empty>	abc, 123, 1D3B
Entero	Números enteros positivos o negativos	0	1, -1
Booleano	Verdadero o falso	False	Verdadero, falso
DateTime	Fecha y hora especificadas únicamente en el formato UTC de la norma ISO 8601	<empty>	2019-11-30T 13:01:01 Z
Float	Números con puntos decimales	0.0	4,01, 0,10

Valor predeterminado

Las variables deben tener un valor predeterminado. Cuando Amazon Fraud Detector genera predicciones de fraude, este valor predeterminado se utiliza para ejecutar una regla o un modelo si Amazon Fraud Detector no recibe un valor para una variable. Los valores predeterminados que proporcione deben coincidir con el tipo de datos seleccionado. En la consola de AWS, Amazon Fraud Detector asigna el valor predeterminado 0 para números enteros, false booleanos, flotantes y (vacío) 0.0 para cadenas. Puede establecer un valor predeterminado personalizado para cualquiera de estos tipos de datos.

Tipos de variables

Al crear una variable, puede asignarla opcionalmente a un tipo de variable. El tipo de variable representa los elementos de datos comunes que se utilizan para entrenar modelos y generar predicciones de fraude. Solo se pueden usar variables con un tipo de variable asociado para el entrenamiento del modelo. Como parte del proceso de entrenamiento del modelo, Amazon Fraud Detector utiliza el tipo de variable asociado a la variable para realizar el enriquecimiento de las variables, la ingeniería de funciones y la puntuación del riesgo.

Amazon Fraud Detector ha predefinido los siguientes tipos de variables que se pueden utilizar para asignarlos a sus variables.

Categoría	Tipo variable	Descripción	Tipo de datos	Ejemplo
Session (Sesión)	IP_ADDRESS	La dirección IP que se recopila durante el evento	Cadena	192.0.2.0 Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de geolocalización
	AGENTE DE USUARIO	El agente de usuario que se recopila durante el evento	Cadena	Mozilla 5.0 (Windows NT 10.0, Win64, x64, rv:68.0) Gecko 20100101
	HUELLA DACTILAR	El identificador único del dispositivo utilizado para el evento	Cadena	sadfow987u234
	SESSION_ID	El identificador de sesión de la sesión activa del evento	Cadena	sid123456789
	SON_ACREDITACIONES_VALIDAS	Indica si las credenciales utilizadas para el inicio de sesión en el evento son válidas	Booleano	True
Usuario	DIRECCIÓN_DE_CORREO	La dirección de correo electrónico que se recopila durante el evento	Cadena	[e-mail]
	PHONE_NUMBER	El número de teléfono obtenido durante el evento	Cadena	[phone] Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de números de teléfono
Facturación	NOMBRE_DE_FACTURACIÓN	El nombre asociado a la dirección de facturación	Cadena	John Doe
	TELÉFONO_DE_FACTURACIÓN	El número de teléfono asociado a la dirección de facturación	Cadena	[phone] Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de números de teléfono
	DIRECCIÓN_DE_FACTURACIÓN_L1	La primera línea de la dirección de facturación	Cadena	Cualquier calle
	DIRECCIÓN_DE_FACTURACIÓN_L2	La segunda línea de la dirección de facturación	Cadena	Cualquier unidad 123
	BILLING_CITY	La ciudad que aparece en la dirección de facturación	Cadena	Cualquier ciudad
	ESTADO_DE_FACTURACIÓN	El estado o la provincia que aparece en la dirección de facturación	Cadena	Cualquier estado o provincia
	PAÍS DE FACTURACIÓN	El país que aparece en la dirección de facturación	Cadena	Cualquier país Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de geolocalización
	ZIP DE FACTURACIÓN	El código postal que aparece en la dirección de facturación	Cadena	01234 Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de geolocalización
Envío	NOMBRE_DE_ENVÍO	El nombre asociado a la dirección de envío	Cadena	John Doe
	TELÉFONO_DE_ENVÍO	El número de teléfono asociado a la dirección de envío	Cadena	[phone] Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de números de teléfono
	DIRECCIÓN_DE_ENVÍO_L1	La primera línea de la dirección de envío	Cadena	Cualquier Calle 123
	DIRECCIÓN_DE_ENVÍO_L2	La segunda línea de la dirección de envío	Cadena	Unidad 123
	CIUDAD_DE_ENVÍO	La ciudad que aparece en la dirección de envío	Cadena	Cualquier ciudad
	ESTADO_DE_ENVÍO	El estado o la provincia que aparece en la dirección de envío	Cadena	Cualquier estado
	PAÍS_DE_ENVÍO	El país en el que se encuentra la dirección de envío	Cadena	Cualquier país Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de geolocalización
	SHIPPING_ZIP	El código postal que aparece en la dirección de envío	Cadena	01234 Nota: Amazon Fraud Detector enriquece estos datos. Para obtener más información, consulte Enriquecimiento de geolocalización
Pago	IDENTIFICADOR DEL PEDIDO	El identificador único de la transacción	Cadena	LUX60
	PRECIO	El precio total del pedido	Cadena	560,00
	CÓDIGO_DIVISA	El código de divisa ISO 4217	Cadena	USD
	TIPO_DE_PAGO	El método de pago que se utiliza para el pago durante el evento	Cadena	Tarjeta de crédito
	CÓDIGO DE AUTENTICACIÓN	El código alfanumérico que envía el emisor de la tarjeta de crédito o el banco emisor	Cadena	0000
	AVS	El código de respuesta del sistema de verificación de direcciones (AVS) del procesador de la tarjeta	Cadena	Y
Producto	CATEGORÍA_DE_PRODUCTO	La categoría de producto del artículo del pedido	Cadena	Cocina
Personalizado	NUMERIC	Cualquier variable que pueda representarse como un número real	Float	1.224
	CATEGÓRICO	Cualquier variable que describa categorías, segmentos o grupos	Cadena	Grande
	TEXTO_FORMATO_LIBRE	Cualquier texto en formato libre que se capture como parte del evento (por ejemplo, la opinión o el comentario de un cliente)	Cadena	Ejemplo de entrada de texto en formato libre

Asignación de una variable a un tipo de variable

Si tiene previsto utilizar una variable para entrenar el modelo, es importante que elija el tipo de variable correcto para asignarlo a la variable. La asignación incorrecta del tipo de variable puede afectar negativamente al rendimiento del modelo. También puede resultar muy difícil cambiar la asignación más adelante, especialmente si varios modelos y eventos han utilizado la variable.

Puede asignar a la variable cualquiera de los tipos de variables predefinidos o uno de los tipos de variables personalizadas:FREE_FORM_TEXT,CATEGORICAL, oNUMERIC.

Notas importantes para asignar variables a los tipos de variables correctos

1. Si la variable coincide con uno de los tipos de variables predefinidos, úsela. Asegúrese de que el tipo de variable se corresponde con la variable. Por ejemplo, si asigna una variable ip_address a un tipo de variable, la EMAIL_ADDRESS variable ip_address no se enriquecerá con enriquecimientos como ASN, ISP, geolocalización y puntuación de riesgo. Para obtener más información, consulte Enriquecimientos variables.

2. Si la variable no coincide con ninguno de los tipos de variables predefinidos, siga las recomendaciones que se indican a continuación para asignar uno de los tipos de variables personalizados.

3. Asigne el tipo de CATEGORICAL variable a las variables que normalmente no tienen un orden natural y se pueden clasificar en categorías, segmentos o grupos. El conjunto de datos que utilizas para entrenar tu modelo puede tener variables de ID como merchant_id, campaign_id o policy_id. Estas variables representan grupos (por ejemplo, todos los clientes con el mismo policy_id representan un grupo). A las variables que tengan los siguientes datos se les debe asignar el tipo de variable CATEGÓRICA -

   • Variables que contienen datos como Customer_ID, Segment_ID, Color_ID, department_code o product_ID.

   • Variables que contienen datos booleanos con valores verdaderos, falsos o nulos.

   • Variables que se pueden clasificar en grupos o categorías, como el nombre de la empresa, la categoría de producto, el tipo de tarjeta o el medio de referencia.

   nota

   ENTITY_IDes un tipo de variable reservada que Amazon Fraud Detector utiliza para asignar a la variable ENTITY_ID. La variable ENTITY_ID es el ID de la entidad que inicia la acción que desea evaluar. Si va a crear un tipo de modelo de Transaction Fraud Insight (TFI), debe proporcionar la variable ENTITY_ID. Deberá decidir qué variable de sus datos identifica de forma única a la entidad que inicia la acción y pasarla como variable ENTITY_ID. Asigne el tipo de variable CATEGÓRICA a todos los demás ID de su conjunto de datos, si están presentes y si los está utilizando para el entrenamiento de modelos. Algunos ejemplos de otros identificadores que no son una entidad del conjunto de datos son Merchant_ID, Policy_ID y Campaign_ID.

4. Asigne el tipo de FREE_FORM_TEXT variable a las variables que contienen un bloque de texto. Algunos ejemplos de tipos de variables FREE_FORM_TEXT son las opiniones de los usuarios, los comentarios, las fechas y los códigos de referencia. Los datos FREE_FORM_TEXT contienen varios identificadores separados por un delimitador. Los delimitadores pueden ser cualquier carácter que no sea un símbolo alfanumérico y de subrayado. Por ejemplo, las opiniones y comentarios de los usuarios se pueden separar mediante un delimitador de «espacio», y las fechas y los códigos de referencia pueden utilizar guiones como delimitadores para separar el prefijo, el sufijo y las partes intermedias. Amazon Fraud Detector usa los delimitadores para extraer datos de las variables FREE_FORM_TEXT.

5. Asigne el tipo de variable NUMÉRICA a las variables que son números reales y tienen un orden inherente. Algunos ejemplos de variables NUMÉRICAS son day_of_the_week, incident_severity y customer_rating. Si bien puede asignar el tipo de variable CATEGÓRICA a estas variables, se recomienda encarecidamente asignar todas las variables de números reales con un orden inherente al tipo de variable NUMÉRICA.

Enriquecimientos variables

Amazon Fraud Detector enriquece algunos de los elementos de datos sin procesar que usted proporciona, como las direcciones IP, los números de identificación bancaria (BIN) y los números de teléfono, para crear entradas adicionales y mejorar el rendimiento de los modelos que utilizan estos elementos de datos. El enriquecimiento ayuda a identificar situaciones potencialmente sospechosas y ayuda a los modelos a detectar más casos de fraude.

Enriquecimiento de números de teléfono

Amazon Fraud Detector enriquece los datos del número de teléfono con información adicional relacionada con la geolocalización, el operador original y la validez del número de teléfono. El enriquecimiento de números de teléfono se habilita automáticamente para todas las modelos que se capaciten el 13 de diciembre de 2021 o después de esa fecha y que tengan un número de teléfono que incluya un código de país (+xxx). Si has incluido la variable de número de teléfono en tu modelo y la has entrenado antes del 13 de diciembre de 2021, vuelve a entrenar tu modelo para que pueda aprovechar este enriquecimiento.

Le recomendamos encarecidamente que utilice el siguiente formato para las variables de número de teléfono a fin de garantizar que los datos se enriquezcan correctamente.

Variable	Formato	Descripción
PHONE_NUMBER	La norma E.164	Asegúrese de incluir el código de país (+xxx) con el número de teléfono.
BILLING_PHONE y SHIPPING_PHONE	La norma E.164	Asegúrese de incluir el código de país (+xxx) con el número de teléfono.

Enriquecimiento de geolocalización

A partir del 8 de febrero de 2022, Amazon Fraud Detector calculará la distancia física entre los valores IP_ADDRESS, BILLING_ZIP y SHIPPING_ZIP que proporcionas para un evento. Las distancias calculadas se utilizan como entradas para su modelo de detección de fraudes.

Para habilitar el enriquecimiento por geolocalización, los datos del evento deben incluir al menos dos de las tres variables: IP_ADDRESS, BILLING_ZIP o SHIPPING_ZIP. Además, cada valor de BILLING_ZIP y SHIPPING_ZIP debe tener un código BILLING_COUNTRY y un código SHIPPING_COUNTRY válidos, respectivamente. Si tiene un modelo que se entrenó antes del 8 de febrero de 2022 e incluye estas variables, debe volver a entrenar el modelo para habilitar el enriquecimiento de la geolocalización.

Si Amazon Fraud Detector no puede determinar la ubicación asociada a los valores IP_ADDRESS, BILLING_ZIP o SHIPPING_ZIP de un evento debido a que los datos no son válidos, se utiliza un valor de marcador de posición especial en su lugar. Por ejemplo, supongamos que un evento tiene valores IP_ADDRESS y BILLING_ZIP válidos, pero el valor SHIPPING_ZIP no lo es. En este caso, el enriquecimiento se realiza únicamente para IP_ADDRES—> BILLING_ZIP. El enriquecimiento no está hecho para IP_ADDRES—>SHIPPING_ZIP y BILLING_ZIP—>SHIPPING_ZIP. En cambio, los valores de los marcadores de posición se utilizan en su lugar. Independientemente de si el enriquecimiento por geolocalización está habilitado para su modelo o no, el rendimiento de su modelo no cambia.

Para excluirse del enriquecimiento por geolocalización, asigne sus variables BILLING_ZIP y SHIPPING_ZIP al tipo de variable CUSTOM_CATEGORICAL. Cambiar el tipo de variable no afecta al rendimiento del modelo.

Formato variable de geolocalización

Le recomendamos encarecidamente que utilice el siguiente formato para las variables de geolocalización a fin de garantizar que los datos de ubicación se enriquezcan correctamente.

Variable	Formato	Descripción
IP_ADDRESS	Dirección IPv4	Por ejemplo, 1.1.1.1
BILLING_ZIP y SHIPPING_ZIP	El código postal ISO 3166-1 alpha-2 del país especificado	Para obtener más información, consulte la sección Códigos de país y territorio de este tema.
BILLING_COUNTRY y SHIPPING_COUNTRY	El código de país estándar de dos letras ISO 3166-1 alpha-2	Para obtener más información, consulte la sección Códigos de país y territorio de este tema. Amazon Fraud Detector intenta hacer coincidir todas las variaciones comunes del nombre de un país con su código de país estándar ISO 3166-1 de dos letras. Sin embargo, no podemos garantizar que coincidan correctamente.

Códigos de país y territorio

La siguiente tabla proporciona una lista completa de los países y territorios que Amazon Fraud Detector admite para el enriquecimiento de la geolocalización. Cada país y territorio tiene un código de país asignado (específicamente, el código de país de dos letras ISO 3166-1 alfa-2) y un código postal.

Formato de código postal

• 9 - número

• a - letra

• [X] - X es opcional. Por ejemplo, «GY9 [9] 9aa» de Guersney significa que tanto «GY9 9aa» como «GY99 9aa» son válidos. Usa un formato.

• [X/XX]: se puede utilizar X o XX. Por ejemplo, «aa [aa/99]» de Bermudas significa que tanto «aa aa» como «aa 99" son válidas. Utilice uno de estos formatos, pero no utilice ambos.

• Algunos países tienen un prefijo fijo. Por ejemplo, el código postal de Andorra es AD999. Esto significa que el código de país debe empezar con las letras AD seguidas de tres números.

Code	Nombre	Código postal
CE	Andorra	ANUNCIO 999
AR	Antillas holandesas	9999
AT	Austria	9999
AU	Australia	9999
AZ	Azerbaiyán	COMO 9999
BD	Bangladesh	9999
BE	Bélgica	9999
BG	Bulgaria	9999
BM	Bermudas	aa [aa/99]
BY	Belarús	999999
CA	Canadá	a9a 9a9
CH	Suiza	9999
CL	Chile	9999999
CO	Colombia	999999
CR	Costa Rica	99999
CY	Chipre	9999
CZ	Chequia	999 99
DE	Alemania	99999
DK	Dinamarca	9999
DO	República Dominicana	99999
DZ	Argelia	99999
EE	Estonia	99999
ES	España	99999
FI	Finlandia	99999
FM	Estados Federados de Micronesia	99999
FO	Islas Faroe	999
FR	Francia	99999
GB	Reino Unido	[a] 9 [a/9] 9aa
GG	Guernsey	GY9 [9] 9aa
GL	Groenlandia	9999
GP	Guadalupe	99999
GT	Guatemala	99999
GU	Guam	99999
HR	Croacia	99999
HU	Hungría	9999
IE	Irlanda	a99 [a/9] [a/9] [a/9] [a/9]
SOY	Isla de Man	IM9 [9] 9aa
IN	India	999999
IS	Islandia	999
IT	Italia	99999
JE	Jersey	JE9 [9] 9aa
JP	Japón	999-9999
KR	República de Corea	99999
LI	Liechtenstein	9999
LK	Sri Lanka	99999
LT	Lituania	99999
LU	Luxemburgo	L-9999
LV	Letonia	LV-9999
MC	Mónaco	99999
MD	República de Moldova	9999
MH	Islas Marshall	99999
MK	Macedonia del Norte	9999
MAPA	Islas Marianas del Norte	99999
MQ	Martinica	99999
MT	Malta	aaa 9999
MX	México	99999
MY	Malasia	99999
NL	Países Bajos	999 aa
NO	Noruega	9999
NZ	Nueva Zelanda	9999
PH	Filipinas	9999
PK	Pakistán	99999
PL	Polonia	99-999
PR	Puerto Rico	99999
PT	Portugal	9999-999
PW	Palaos	99999
RE	Reunión	99999
RO	Rumanía	999999
RU	Federación de Rusia	999999
SE	Suecia	999 99
SG	Singapur	999999
SI	Eslovenia	9999
SK	Eslovaquia	999 99
SM	San Marino	99999
TH	Tailandia	99999
TR	Turquía	99999
UA	Ucrania	99999
EE. UU.	Estados Unidos	99999
UY	Uruguay	99999
VI	Islas Vírgenes (EE. UU.)	99999
WF	Wallis y Futuna	99999
YET	Mayotte	99999
ZA	Sudáfrica	9999

Enriquecimiento de agentes de usuario

Si crea el modelo Account Takeover Insights (ATI), debe proporcionar una variable del tipo de useragent variable en su conjunto de datos. Esta variable contiene los datos del navegador, el dispositivo y el sistema operativo de un evento de inicio de sesión. Amazon Fraud Detector enriquece los datos del agente de usuario con información adicional user_agent_familyOS_family, como, y. device_family