翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Amazon Fraud Detector の仕組み
Amazon Fraud Detector は、ビジネスにおける潜在的な不正なオンライン活動を検出するようにカスタマイズされた機械学習モデルを構築します。まずは、ビジネスユースケースを用意してください。ビジネスユースケースに応じて、Amazon Fraud Detector は不正検知モデルの作成に使用するモデルタイプを推奨しています。さらに、ビジネスの履歴データの一部として提供する必要のあるデータ要素に関する洞察も得られます。Amazon Fraud Detector は、履歴データセットを使用して、カスタマイズされたモデルを自動的に作成してトレーニングします。
自動モデルトレーニングプロセスでは、特定のビジネスユースケースに合わせて不正行為を検出する機械学習アルゴリズムを選択し、提供したデータを検証し、モデルのパフォーマンスを向上させるためのデータ操作を実行します。モデルをトレーニングすると、Amazon Fraud Detector はモデルスコアとその他のモデルパフォーマンスメトリクスを生成します。スコアを使用して、モデルのパフォーマンスを評価できます。必要に応じて、トレーニング用に提供したデータセットにデータ要素を追加または削除し、モデルを再トレーニングしてモデルスコアを向上させることができます。
モデルを作成、トレーニング、有効化したら、ビジネスで生成されたデータをどのように解釈するかをモデルに指示し、各アクティビティの解釈にどう対処するかについての結果を割り当てる意思決定ロジック（ルールとも呼ばれる）を設定する必要があります。アウトカムは、アクティビティの承認やレビューなどのアクションを表す場合もあれば、高リスク、中リスク、低リスクなどのアクティビティのリスクレベルを表す場合もあります。
ディテクターは、モデルと関連するルールを格納するコンテナです。ディテクターを作成、テストし、運用環境にデプロイする必要があります。
本番環境に導入されたディテクタは、ビジネスアプリケーションに不正検出機能を提供します。不正評価を行うために、このモデルはビジネスアクティビティから受信したすべてのデータをビジネスの履歴データと比較し、高度な機械学習アルゴリズムとユーザーが作成したルールを使用して結果を分析し、結果を割り当てます。Amazon Fraud Detector を使用すると、単一のビジネスアクティビティのデータをリアルタイムで評価することも、複数のビジネスアクティビティのデータをオフラインで評価することもできます。
例えば、オンラインでの送金をその活動の 1 つとして行っている企業があるとします。Amazon Fraud Detector を使用して、不正な送金リクエストをリアルタイムで検出したい。開始するには、まず Amazon Fraud Detector に過去の送金リクエストのデータを提供する必要があります。Amazon Fraud Detector は、このデータを使用して、不正な送金リクエストを検出するようにカスタマイズされたモデルを作成およびトレーニングします。次に、モデルを追加し、そのモデルがデータを解釈するためのルールを設定して、ディテクターを作成します。オンライン送金アクティビティのルールの例としては、送金リクエストの送信元が次の場合です。xyz@example.comメールアドレス、審査依頼を送信 ビジネスの本番環境では、資金移動のリクエストが届くと、モデルはそのリクエストに付随するデータを分析し、ルールを使用して結果を割り当てます。その後、割り当てられた結果に応じて、リクエストに対してアクションを実行できます。
Amazon Fraud Detector は、トレーニングデータセット、モデル、ディテクター、ルール、結果などのコンポーネントを使用して、不正評価ロジックをビジネスに提供します。
Amazon Fraud Detector を使用して詐欺を検出するために使用するワークフローについては、以下を参照してください。Amazon Fraud Detector による不正の検出
