파트 A: Amazon Fraud Detector 탐지 모델 구축, 교육 및 배포

파트 A에서는 비즈니스 사용 사례 정의, 이벤트 정의, 모델 구축, 모델 교육, 모델 성능 평가 및 모델 배포를 진행합니다.

1단계: 비즈니스 사용 사례 선택

• 이 단계에서는 데이터 모델 탐색기를 사용하여 비즈니스 사용 사례를 Amazon Fraud Detector에서 지원하는 사기 탐지 모델 유형과 일치시킵니다. 데이터 모델 탐색기는 Amazon Fraud Detector 콘솔과 통합된 도구로, 비즈니스 사용 사례에 맞는 사기 탐지 모델을 만들고 학습하는 데 사용할 모델 유형을 권장합니다. 또한 데이터 모델 탐색기는 데이터세트에 포함해야 하는 필수, 권장 및 선택 데이터 요소에 대한 인사이트를 제공합니다. 데이터세트는 사기 탐지 모델을 만들고 교육하는 데 사용됩니다.

  이 자습서의 목적상 비즈니스 사용 사례는 신규 계정 등록입니다. 비즈니스 사용 사례를 지정하면 데이터 모델 탐색기가 사기 탐지 모델을 만들기 위한 모델 유형을 추천하고 데이터세트를 만드는 데 필요한 데이터 요소 목록도 제공합니다. 새 계정 등록 데이터가 포함된 샘플 데이터세트를 이미 업로드했으므로 새 데이터세트를 만들지 않아도 됩니다.

  1. AWS관리 콘솔을 열고 계정에 로그인합니다. Amazon Fraud Detector로 이동합니다.

  2. 왼쪽 탐색 창에서 데이터 모델 탐색기를 선택합니다.

  3. 데이터 모델 탐색기 페이지의 비즈니스 사용 사례에서 새 계정 사기를 선택합니다.

  4. Amazon Fraud Detector는 선택한 비즈니스 사용 사례에 대한 사기 탐지 모델을 생성하는 데 사용할 권장 모델 유형을 표시합니다. 모델 유형은 Amazon Fraud Detector가 사기 탐지 모델을 학습하는 데 사용할 알고리즘, 강화 및 변환을 정의합니다.

     권장 모델 유형을 기록해 둡니다. 나중에 모형을 생성할 때 이 정보가 필요합니다.

  5. 데이터 모델 인사이트 패널은 사기 탐지 모델을 만들고 교육하는 데 필요한 필수 및 권장 데이터 요소에 대한 통찰력을 제공합니다.

     다운로드한 샘플 데이터세트를 살펴보고 표에 나열된 필수 및 일부 권장 데이터 요소가 모두 포함되어 있는지 확인하세요.

     나중에 특정 비즈니스 사용 사례에 맞는 모델을 만들 때 제공된 통찰력을 사용하여 데이터세트를 만들게 됩니다.

2단계: 이벤트 유형 생성

• 이 단계에서는 사기 여부를 평가할 비즈니스 활동 (이벤트) 을 정의합니다. 이벤트를 정의하려면 데이터세트에 있는 변수, 엔터티 시작 이벤트 및 이벤트를 분류하는 레이블을 설정해야 합니다. 이 자습서에서는 계정 등록 이벤트를 정의합니다.

  1. AWS관리 콘솔을 열고 계정에 로그인합니다. Amazon Fraud Detector로 이동합니다.

  2. 왼쪽 탐색 창에서 Events를 선택합니다.

  3. 이벤트 유형 페이지에서 생성을 선택합니다.

  4. 이벤트 유형 세부 정보에서 이벤트 유형 이름을 입력하고 필요에 따라 이벤트 설명을 입력합니다.sample_registration

  5. 엔티티에서 엔티티 생성을 선택합니다.

  6. 엔티티 생성 페이지에서 엔티티 유형 이름을 입력합니다sample_customer. 필요에 따라 개체 유형에 대한 설명을 입력합니다.

  7. 엔티티 생성을 선택합니다.

  8. 이벤트 변수에서 이 이벤트 변수를 정의하는 방법 선택에서 훈련 데이터셋에서 변수 선택을 선택합니다.

  9. IAM 역할에서 IAM 역할 생성을 선택합니다.

  10. IAM 역할 생성 페이지에서 예제 데이터를 업로드한 S3 버킷의 이름을 입력하고 Create role (Create role) 을 선택합니다.

  11. 데이터 위치에 예제 데이터의 경로를 입력합니다. 예제 데이터를 업로드한 후 저장한S3 URI 경로입니다. 경로는 다음과 비슷합니다S3://your-bucket-name/example dataset filename.csv.

  12. 업로드를 선택합니다.

      Amazon Fraud Detector는 예제 데이터 파일에서 헤더를 추출하여 변수 유형으로 매핑합니다. 매핑이 콘솔에 표시됩니다.

  13. 레이블 - 선택 사항에서 레이블에서 새 레이블 만들기를 선택합니다.

  14. 라벨 생성 페이지에서 이름을 입력합니다fraud. 이 레이블은 예제 데이터셋의 사기성 계정 등록을 나타내는 값에 해당합니다.

  15. 라벨 생성을 선택합니다.

  16. 두 번째 레이블을 만든 다음 이름을 입력합니다legit. 이 레이블은 예제 데이터셋의 합법적인 계정 등록을 나타내는 값에 해당합니다.

  17. 이벤트 유형 생성을 선택합니다.

3단계: 모델 생성

1. 모델 페이지에서 모델 추가를 선택한 다음 모델 생성을 선택합니다.

2. 1단계 — 모델 세부 정보 정의의 경우 모델 이름으로 를 입력합니다sample_fraud_detection_model. 선택적으로 모델에 대한 설명을 추가합니다.

3. 모델 유형에서 온라인 사기 인사이트 모델을 선택합니다.

4. 이벤트 유형에서 샘플_등록을 선택합니다. 1단계에서 생성한 이벤트 유형입니다.

5. 과거 이벤트 데이터에서

   1. 이벤트 데이터 소스에서 S3에 저장된 이벤트 데이터를 선택합니다.

   2. IAM 역할의 경우, 1단계에서 생성한 역할을 선택합니다.

   3. 교육 데이터 위치에서 예제 데이터 파일의 S3 URI 경로를 입력합니다.

6. Next(다음)를 선택합니다.

4단계: 모델 생성

1. 모델 입력에서 모든 체크박스를 선택된 상태로 둡니다. 기본적으로 Amazon Fraud Detector는 이전 이벤트 데이터 세트의 모든 변수를 모델 입력으로 사용합니다.

2. 레이블 분류에서 Fraud 레이블의 경우 Fraud를 선택하십시오. 이 레이블은 예제 데이터세트의 사기 이벤트를 나타내는 값과 일치하기 때문입니다. 합법적인 레이블의 경우 이 레이블이 예제 데이터세트에서 합법적인 이벤트를 나타내는 값과 일치하므로 합법적인 레이블을 선택하십시오.

3. 레이블이 지정되지 않은 이벤트 처리의 경우 이 예제 데이터세트에 대해 기본 선택인 레이블이 지정되지 않은 이벤트 무시를 유지합니다.

4. Next(다음)를 선택합니다.

5. 검토한 후 모델 생성 및 학습을 선택합니다. Amazon Fraud Detector는 모델을 생성하고 모델의 새 버전을 교육하기 시작합니다.

   모델 버전에서 Status 열은 모델 학습 상태를 나타냅니다. 예제 데이터세트를 사용하는 모델 학습은 완료하는 데 약 45분이 걸립니다. 모델 학습이 완료되면 상태가 배포 준비 완료로 변경됩니다.

5단계: 모델 성능 검토

Amazon Fraud Detector를 사용할 때 중요한 단계는 모델 점수 및 성능 메트릭을 사용하여 모델의 정확도를 평가하는 것입니다. 모델 교육이 완료되면 Amazon Fraud Detector는 모델 학습에 사용되지 않은 데이터의 15% 를 사용하여 모델 성능을 검증하고 모델 성능 점수 및 기타 성능 지표를 생성합니다.

1. 모델의 성능을 보려면

   1. Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 모형을 선택합니다.

   2. 모델 페이지에서 방금 학습시킨 모델 (sample_fraud_detection_model) 을 선택한 다음 1.0을 선택합니다. 이 버전은 귀하의 모델에서 생성한 Amazon Fraud Detector 버전입니다.

2. 모델 성능 전체 점수와 Amazon Fraud Detector가 이 모델에 대해 생성한 기타 모든 메트릭을 살펴보십시오.

   이 페이지의 모델 성능 점수 및 성능 메트릭에 대해 자세히 알아보려면모델 점수 및 을 참조하십시오모델 성능 지표.

   학습된 모든 Amazon Fraud Detector 모델에는 이 자습서의 모델에 대한 성능 지표와 유사한 실제 사기 탐지 성능 지표가 있을 것으로 예상할 수 있습니다.

6단계: 모델 배포

학습된 모델의 성과 지표를 검토하고 이를 사용하여 사기 예측을 생성할 준비가 되었으면 모델을 배포할 수 있습니다.

1. Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 모형을 선택합니다.

2. 모델 페이지에서 sample_fraud_detection_model을 선택한 다음 배포하려는 특정 모델 버전을 선택합니다. 이 자습서에서는 1.0을 선택합니다.

3. 모델 버전 페이지에서 작업을 선택한 다음 모델 버전 배포를 선택합니다.

4. 모델 버전에서 Status는 배포 상태를 보여줍니다. 배포가 완료되면 상태가 Active로 변경됩니다. 이는 모델 버전이 활성화되어 사기 예측을 생성할 수 있음을 나타냅니다. 계속해서 사기 예측 생성 단계를 완료하세요.파트 B: 사기 예측 생성