Partie B : Générer des prévisions de fraude - Amazon Fraud Detector

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Partie B : Générer des prévisions de fraude

La prédiction de la fraude est une évaluation de la fraude liée à une activité commerciale (événement). Amazon Fraud Detector utilise des détecteurs pour générer des prévisions de fraude. Un détecteur contient une logique de détection, telle que des modèles et des règles, pour un événement spécifique que vous souhaitez évaluer pour détecter une fraude. La logique de détection utilise des règles pour indiquer à Amazon Fraud Detector comment interpréter les données associées au modèle. Dans ce didacticiel, vous allez évaluer l'événement d'enregistrement du compte à l'aide de l'exemple de jeu de données d'enregistrement de compte que vous avez chargé précédemment.

Dans la partie A, vous avez créé, entraîné et déployé votre modèle. Dans la partie B, vous créez un détecteur pour le type d'sample_registrationévénement, ajoutez le modèle déployé, créez des règles et un ordre d'exécution des règles, puis créez et activez une version du détecteur que vous utilisez pour générer des prévisions de fraude.

Pour créer un détecteur

  1. Dans le panneau de navigation de gauche de la console Amazon Fraud Detector, choisissez Detectors.

  2. Choisissez Créer un détecteur.

  3. Sur la page Définir les détails du détecteur, saisissezsample_detector le nom du détecteur. Si vous le souhaitez, saisissez une description pour le détecteur, par exemplemy sample fraud detector.

  4. Pour Type d'événement, sélectionnez sample_registration. Il s'agit de l'événement que vous avez créé dans la partie A de ce didacticiel.

  5. Choisissez Suivant.

Si vous avez suivi la partie A de ce didacticiel, vous disposez probablement déjà d'un modèle Amazon Fraud Detector que vous pouvez ajouter à votre détecteur. Si vous n'avez pas encore créé de modèle, passez à la partie A et suivez les étapes pour créer, entraîner et déployer un modèle, puis passez à la partie B.

  1. Dans le champ Ajouter un modèle - facultatif, choisissez Ajouter un modèle.

  2. Sur la page Ajouter un modèle, pour Sélectionner un modèle, choisissez le nom du modèle Amazon Fraud Detector que vous avez déployé précédemment. Pour Sélectionner la version, choisissez la version du modèle déployé.

  3. Choisissez Add model.

  4. Choisissez Suivant.

Une règle est une condition qui indique à Amazon Fraud Detector comment interpréter le score de performance du modèle lors de l'évaluation à titre de prédiction de fraude. Pour ce didacticiel, vous allez créer trois règles :high_fraud_riskmedium_fraud_risk, etlow_fraud_risk.

  1. Sur la page Ajouter des règles, sous Définir une règle, entrezhigh_fraud_risk le nom de la règle et, dans Description, facultatif, entrezThis rule captures events with a high ML model score la description de la règle.

  2. Dans Expression, entrez l'expression de règle suivante à l'aide du langage d'expression de règles simplifié d'Amazon Fraud Detector :

    $sample_fraud_detection_model_insightscore > 900

  3. Dans Résultats, choisissez Créer un nouveau résultat. Un résultat est le résultat d'une prédiction de fraude et est renvoyé si la règle correspond au cours d'une évaluation.

  4. Dans Créer un nouveau résultat, entrez leverify_customer nom du résultat. Si vous le souhaitez, saisissez une description.

  5. Choisissez Enregistrer le résultat.

  6. Choisissez Ajouter une règle pour exécuter le vérificateur de validation des règles et enregistrer la règle. Une fois créée, Amazon Fraud Detector met la règle à disposition de votre détecteur.

  7. Choisissez Ajouter une autre règle, puis cliquez sur l'onglet Créer une règle.

  8. Répétez cette procédure deux fois de plus pour créer voslow_fraud_risk règlesmedium_fraud_risk et en utilisant les détails des règles suivants :

    • risque de fraude moyen

      Nom de la règle :medium_fraud_risk

      Résultat :review

      Expression :

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • faible risque de fraude

      Nom de la règle :low_fraud_risk

      Résultat :approve

      Expression :

      $sample_fraud_detection_model_insightscore <= 700

    Ces valeurs sont des exemples utilisés dans ce didacticiel. Lorsque vous créez des règles pour votre propre détecteur, utilisez des valeurs adaptées à votre modèle et à votre cas d'utilisation,

  9. Après avoir créé les trois règles, choisissez Suivant.

    Pour plus d'informations sur la création et la rédaction de règles, consultezRègles etRéférence du langage des règles.

Le mode d'exécution des règles incluses dans le détecteur détermine si toutes les règles que vous définissez sont évaluées ou si l'évaluation des règles s'arrête à la première règle correspondante. Et l'ordre des règles détermine l'ordre dans lequel vous souhaitez que la règle soit exécutée.

Le mode d'exécution des règles par défaut estFIRST_MATCHED.

Premier apparié

Le mode d'exécution de la première règle correspondante renvoie les résultats de la première règle correspondante en fonction de l'ordre des règles défini. Si vous spécifiez FIRST_MATCHED, Amazon Fraud Detector évalue les règles de manière séquentielle, de la première à la dernière, en s'arrêtant à la première règle correspondante. Amazon Fraud Detector fournit ensuite les résultats pour cette règle unique.

L'ordre dans lequel vous exécutez les règles peut avoir une incidence sur le résultat de la prédiction des fraudes qui en résulte. Après avoir créé vos règles, réorganisez-les pour les exécuter dans l'ordre souhaité en procédant comme suit :

Si votrehigh_fraud_risk règle ne figure pas déjà en haut de votre liste de règles, choisissez Ordre, puis 1. Cela passehigh_fraud_risk à la première position.

Répétez cette procédure pour placer votremedium_fraud_risk règle en deuxième position et votrelow_fraud_risk règle en troisième position.

Tous assortis

Le mode d'exécution de toutes les règles correspondantes renvoie des résultats pour toutes les règles correspondantes, quel que soit l'ordre des règles. Si vous le spécifiezALL_MATCHED, Amazon Fraud Detector évalue toutes les règles et renvoie les résultats pour toutes les règles correspondantes.

SélectionnezFIRST_MATCHED ce didacticiel, puis choisissez Suivant.

Une version de détecteur définit les modèles et les règles spécifiques utilisés pour générer des prévisions de fraude.

  1. Sur la page Réviser et créer, passez en revue les détails, les modèles et les règles du détecteur que vous avez configurés. Si vous devez apporter des modifications, choisissez Modifier à côté de la section correspondante.

  2. Choisissez Créer un détecteur. Une fois créée, la première version de votre détecteur apparaît dans le tableau des versions du détecteur avecDraft son statut.

    Vous utilisez la version Draft pour tester votre détecteur.

Dans la console Amazon Fraud Detector, vous pouvez tester la logique de votre détecteur à l'aide de données fictives grâce à la fonction Exécuter un test. Pour ce didacticiel, vous pouvez utiliser les données d'enregistrement de compte issues de l'exemple de jeu de données.

  1. Faites défiler la page jusqu'à Exécuter le test en bas de la page de détails de la version du détecteur.

  2. Pour les métadonnées de l'événement, entrez l'horodatage de la date à laquelle l'événement s'est produit et entrez un identifiant unique pour l'entité qui l'a réalisé. Pour ce didacticiel, sélectionnez une date dans le sélecteur de dates pour l'horodatage et entrez « 1234 » pour l'ID d'entité.

  3. Dans le champ Variable d'événement, entrez les valeurs des variables que vous souhaitez tester. Pour ce didacticiel, vous n'avez besoin queip_address desemail_address champs et. En effet, ce sont les entrées qui sont utilisées pour entraîner votre modèle Amazon Fraud Detector. Vous pouvez utiliser les valeurs d'exemple suivantes. Cela suppose que vous avez utilisé les noms de variables suggérés :

    • adresse_IP :205.251.233.178

    • adresse_e-mail :johndoe@exampledomain.com

  4. Choisissez Exécuter le test.

  5. Amazon Fraud Detector renvoie le résultat de la prédiction des fraudes en fonction du mode d'exécution de la règle. Si le mode d'exécution de la règle estFIRST_MATCHED, le résultat renvoyé correspond à la première règle correspondante. La première règle est celle qui a la priorité la plus élevée. Cela correspond s'il est évalué comme vrai. Si le mode d'exécution de la règle estALL_MATCHED, le résultat renvoyé correspond à toutes les règles correspondantes. Cela signifie qu'ils sont tous considérés comme vrais. Amazon Fraud Detector renvoie également le score du modèle pour tous les modèles ajoutés à votre détecteur.

    Vous pouvez modifier les entrées et exécuter quelques tests pour obtenir des résultats différents. Vous pouvez utiliser les valeurs ip_address et email_address de votre exemple de jeu de données pour les tests et vérifier si les résultats sont conformes aux attentes.

  6. Lorsque vous êtes satisfait du fonctionnement du détecteur, faites-en la promotion deDraft àActive. Le détecteur peut ainsi être utilisé pour détecter les fraudes en temps réel.

    Sur la page de détails de la version de Detector, sélectionnez Actions, Publier, Publier la version. Cela fait passer le statut du détecteur de Brouillon à Actif.

    À ce stade, votre modèle et la logique de détection associée sont prêts à évaluer les activités en ligne pour détecter les fraudes en temps réel à l'aide de l'GetEventPredictionAPI Amazon Fraud Detector. Vous pouvez également évaluer les événements hors ligne à l'aide d'un fichier d'entrée CSV et de l'CreateBatchPredictionJobAPI. Pour plus d'informations sur la prédiction des fraudes, consultezPrédictions de fraude

En complétant ce didacticiel, vous avez effectué les opérations suivantes :

  • Chargement d'un exemple de jeu de données d'événements sur Amazon S3.

  • Création et formation d'un modèle de détection des fraudes Amazon Fraud Detector à l'aide de l'exemple de jeu de données.

  • Vous avez consulté le score de performance du modèle et d'autres indicateurs de performance générés par Amazon Fraud Detector.

  • Déploiement du modèle de détection des fraudes.

  • Création d'un détecteur et ajout du modèle déployé.

  • Ajout de règles, de l'ordre d'exécution des règles et des résultats au détecteur.

  • J'ai testé le détecteur en fournissant différentes entrées et en vérifiant si les règles et l'ordre d'exécution des règles fonctionnaient comme prévu.

  • J'ai activé le détecteur en le publiant.