Amazon Fraud Detector tidak lagi terbuka untuk pelanggan baru per 7 November 2025. Untuk kemampuan yang mirip dengan Amazon Fraud Detector, jelajahi Amazon SageMaker AutoGluon,, dan AWS WAF.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Impor model SageMaker AI
<a name="import-an-amazon-sagemaker-model"></a>

Anda dapat secara opsional mengimpor model yang SageMaker dihosting AI ke Amazon Fraud Detector. Mirip dengan model, model SageMaker AI dapat ditambahkan ke detektor dan menghasilkan prediksi penipuan menggunakan API. `GetEventPrediction` Sebagai bagian dari `GetEventPrediction` permintaan, Amazon Fraud Detector akan memanggil titik akhir SageMaker AI Anda dan meneruskan hasilnya ke aturan Anda.

Anda dapat mengonfigurasi Amazon Fraud Detector untuk menggunakan variabel peristiwa yang dikirim sebagai bagian dari `GetEventPrediction` permintaan. Jika Anda memilih untuk menggunakan variabel acara, Anda harus memberikan template masukan. Amazon Fraud Detector akan menggunakan template ini untuk mengubah variabel event Anda menjadi payload input yang diperlukan untuk memanggil titik akhir SageMaker AI. Atau, Anda dapat mengonfigurasi model SageMaker AI Anda untuk menggunakan ByteBuffer yang dikirim sebagai bagian dari permintaan. `GetEventPrediction`

Amazon Fraud Detector mendukung pengimporan algoritme SageMaker AI yang menggunakan format input JSON atau CSV dan format keluaran JSON atau CSV. Contoh algoritma SageMaker AI yang didukung termasuk XGBoost, Linear Learner, dan Random Cut Forest.

## Impor model SageMaker AI menggunakan AWS SDK untuk Python (Boto3)
<a name="import-an-amazon-sagemaker-model-using-the-aws-python-sdk"></a>

Untuk mengimpor model SageMaker AI, gunakan `PutExternalModel` API. Contoh berikut mengasumsikan titik akhir SageMaker AI `sagemaker-transaction-model` telah digunakan, `InService` status, dan menggunakan algoritme. XGBoost 

Konfigurasi input menentukan yang akan menggunakan variabel acara untuk membangun input model (`useEventVariables`diatur ke`TRUE`). Format input adalah TEXT\_CSV, yang diberikan XGBoost membutuhkan input CSV. csvInputTemplate Menentukan bagaimana membangun input CSV dari variabel yang dikirim sebagai bagian dari permintaan. `GetEventPrediction` Contoh ini mengasumsikan Anda telah membuat variabel`order_amt`,`prev_amt`, `hist_amt` dan`payment_type`.

Konfigurasi output menentukan format respons model SageMaker AI, dan memetakan indeks CSV yang sesuai ke variabel Amazon Fraud Detector. `sagemaker_output_score` Setelah dikonfigurasi, Anda dapat menggunakan variabel output dalam aturan. 

**catatan**  
Output dari model SageMaker AI harus dipetakan ke variabel dengan sumber`EXTERNAL_MODEL_SCORE`. Anda tidak dapat membuat variabel ini di konsol menggunakan **Variabel**. Sebagai gantinya, Anda harus membuatnya saat mengonfigurasi impor model Anda.

```
import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.put_external_model (
modelSource = 'SAGEMAKER',
modelEndpoint = 'sagemaker-transaction-model',
invokeModelEndpointRoleArn = 'your_SagemakerExecutionRole_arn',
inputConfiguration = {
    'useEventVariables' : True,
    'eventTypeName' : 'sample_transaction',
    'format' : 'TEXT_CSV',
    'csvInputTemplate' : '{{order_amt}}, {{prev_amt}}, {{hist_amt}}, {{payment_type}}'
},

outputConfiguration = {
    'format' : 'TEXT_CSV',
    'csvIndexToVariableMap' : {
        '0' : 'sagemaker_output_score'
    }
},
    
modelEndpointStatus = 'ASSOCIATED'
)
```