파트 B: 사기 예측 생성

사기 예측은 비즈니스 활동 (이벤트) 에 대한 사기에 대한 평가입니다. Amazon 사기 탐지기는 탐지기를 사용하여 사기 예측을 생성합니다. 탐지기에는 사기 여부를 평가하려는 특정 이벤트에 대한 탐지 로직 (예: 모델 및 규칙) 이 포함되어 있습니다. 탐지 로직은 규칙을 사용하여 Amazon Fraud Detector에게 모델과 관련된 데이터를 해석하는 방법을 알려줍니다. 이 자습서에서는 이전에 업로드한 계정 등록 예제 데이터세트를 사용하여 계정 등록 이벤트를 평가합니다.

파트 A에서는 모델을 만들고, 학습하고, 배포했습니다. 파트 B에서는sample_registration 이벤트 유형에 맞는 탐지기를 구축하고, 배포된 모델을 추가하고, 규칙과 규칙 실행 순서를 만든 다음, 사기 예측을 생성하는 데 사용할 탐지기 버전을 만들고 활성화합니다.

1단계: Detector 생성

검출기를 만들려면

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

2. 감지기 생성을 선택합니다.

3. 탐지기 세부 정보 정의 페이지에서 검출기 이름을sample_detector 입력합니다. 선택적으로, 검출기에 대한 설명 (예:) 을 입력합니다my sample fraud detector.

4. 이벤트 유형에서 샘플_등록을 선택합니다. 이 이벤트는 이 자습서의 파트 A에서 만든 이벤트입니다.

5. Next(다음)를 선택합니다.

2단계: 모델 추가

이 자습서의 파트 A를 완료했다면 탐지기에 추가할 수 있는 Amazon Fraud Detector 모델이 이미 있을 것입니다. 아직 모델을 만들지 않았다면 파트 A로 이동하여 모델 생성, 학습 및 배포 단계를 완료한 다음 파트 B를 계속 진행하세요.

1. 모델 추가 - 선택 사항에서 모델 추가를 선택합니다.

2. 모델 추가 페이지의 모델 선택에서 이전에 배포한 Amazon Fraud Detector 모델 이름을 선택합니다. 버전 선택에서 배포된 모델의 모델 버전을 선택합니다.

3. 모델 추가를 선택합니다.

4. Next(다음)를 선택합니다.

3단계: 규칙 추가

규칙은 Fraud Detector에 Fraud Detector에 Fraud Detector에 평가 시 모델 성능 점수를 해석하는 방법을 알려주는 조건입니다. 이 자습서에서는high_fraud_riskmedium_fraud_risk, 및 라는 세 가지 규칙을 만듭니다low_fraud_risk.

1. 규칙 추가 페이지의 규칙 정의에서 규칙 이름을 입력하고high_fraud_risk 설명 - 선택 사항에서 규칙에 대한 설명을 입력합니다This rule captures events with a high ML model score.

2. 표현식에 Amazon Fraud Detector의 단순화된 규칙 표현식 언어를 사용하여 다음 규칙 표현식을 입력합니다.

   $sample_fraud_detection_model_insightscore > 900

3. 결과에서 새 결과 만들기를 선택합니다. 결과는 사기 예측의 결과이며 평가 중에 규칙이 일치하면 반환됩니다.

4. 새 결과 만들기에서verify_customer 결과 이름을 입력합니다. 설명을 입력할 수도 있습니다.

5. 결과 저장을 선택합니다.

6. 규칙 추가를 선택하여 규칙 검증 검사기를 실행하고 규칙을 저장합니다. Amazon Fraud Detector는 규칙을 생성한 후 해당 규칙을 탐지기에서 사용할 수 있도록 합니다.

7. 다른 규칙 추가를 선택한 다음 규칙 만들기 탭을 선택합니다.

8. 이 프로세스를 두 번 더 반복하여 다음low_fraud_risk 규칙 세부 정보를 사용하여medium_fraud_risk 및 규칙을 생성합니다.

   • 중간의_사기_위험

     규칙 이름:medium_fraud_risk

     결과:review

     표현식:

     $sample_fraud_detection_model_insightscore <= 900 and

     $sample_fraud_detection_model_insightscore > 700

   • 낮은 사기 위험

     규칙 이름:low_fraud_risk

     결과:approve

     표현식:

     $sample_fraud_detection_model_insightscore <= 700

   이 값은 이 튜토리얼에서 사용된 예제입니다. 자체 검출기에 대한 규칙을 만들 때는 모델 및 사용 사례에 적합한 값을 사용하십시오.

9. 세 가지 규칙을 모두 생성한 후 [Next] 를 선택합니다.

   규칙 작성 및 작성에 대한 자세한 내용은규칙 및 을 참조하십시오규칙 언어 참조.

4단계: 규칙 실행 및 규칙 순서 구성

탐지기에 포함된 규칙의 규칙 실행 모드는 정의한 모든 규칙을 평가할지 또는 일치하는 첫 번째 규칙에서 규칙 평가가 중지되는지를 결정합니다. 그리고 규칙 순서에 따라 규칙을 실행할 순서가 결정됩니다.

기본 규칙 실행 모드는 입니다FIRST_MATCHED.

첫 매치

첫 번째 일치 규칙 실행 모드는 정의된 규칙 순서에 따라 첫 번째 일치 규칙의 결과를 반환합니다. FIRST_MATCHED를 지정하면 Amazon Fraud Detector는 처음부터 마지막까지 순차적으로 규칙을 평가하고 처음 일치하는 규칙에서 중지합니다. 그러면 Amazon Fraud Detector가 해당 단일 규칙에 대한 결과를 제공합니다.

규칙을 실행하는 순서는 부정 행위 예측 결과에 영향을 미칠 수 있습니다. 규칙을 생성한 후에는 다음 단계에 따라 원하는 순서로 규칙을 실행하도록 규칙을 재정렬하십시오.

high_fraud_risk규칙이 아직 규칙 목록 상단에 없는 경우 순서를 선택한 다음 1을 선택합니다. 그러면 첫 번째high_fraud_risk 위치로 이동합니다.

이 과정을 반복하여medium_fraud_risk 규칙이 두 번째 위치에 있고low_fraud_risk 규칙이 세 번째 위치에 오도록 합니다.

모두 일치함

일치하는 모든 규칙 실행 모드는 규칙 순서에 관계없이 일치하는 모든 규칙에 대한 결과를 반환합니다. ALL_MATCHED지정하면 Amazon Fraud Detector가 모든 규칙을 평가하고 일치하는 모든 규칙에 대한 결과를 반환합니다.

이 자습서를 선택하고 다음을 선택합니다.FIRST_MATCHED

5단계: Detector 버전 검토 및 생성

탐지기 버전은 사기 예측을 생성하는 데 사용되는 특정 모델 및 규칙을 정의합니다.

1. 검토 및 생성 페이지에서 구성한 감지기 세부 정보, 모델 및 규칙을 검토하십시오. 변경이 필요한 경우 해당 섹션 옆의 편집을 선택합니다.

2. 감지기 생성을 선택합니다. 검출기가 생성되면 검출기의 첫 번째 버전이Draft 상태와 함께 Detector 버전 테이블에 나타납니다.

   Draft 버전을 사용하여 탐지기를 테스트할 수 있습니다.

6단계: Detector 버전 테스트 및 활성화

Amazon Fraud Detector 콘솔에서는 테스트 실행 기능이 있는 모의 데이터를 사용하여 탐지기의 로직을 테스트할 수 있습니다. 이 자습서에서는 예제 데이터세트의 계정 등록 데이터를 사용할 수 있습니다.

1. Detector 버전 세부 정보 페이지 하단에서 테스트 실행으로 스크롤합니다.

2. 이벤트 메타데이터에는 이벤트가 발생한 시점의 타임스탬프를 입력하고 이벤트를 수행하는 개체의 고유 식별자를 입력합니다. 이 자습서에서는 타임스탬프에 대한 날짜 선택기에서 날짜를 선택하고 엔티티 ID로 “1234"를 입력합니다.

3. 이벤트 변수에 테스트하려는 변수 값을 입력합니다. 이 자습서에서는ip_address 및email_address 필드만 필요합니다. 이는 Amazon Fraud Detector 모델을 학습하는 데 사용되는 입력이기 때문입니다. 다음 예제 값을 사용할 수 있습니다. 여기서는 제안된 변수 이름을 사용했다고 가정합니다.

   • 아이피_주소:205.251.233.178

   • 이메일_주소:[e-mail]

4. 테스트 실행을 선택합니다.

5. Amazon Fraud Detector는 규칙 실행 모드를 기반으로 사기 예측 결과를 반환합니다. 규칙 실행 모드가FIRST_MATCHED 인 경우 반환된 결과는 일치하는 첫 번째 규칙에 해당합니다. 첫 번째 규칙은 우선 순위가 가장 높은 규칙입니다. 사실로 평가되면 일치하는 것으로 간주됩니다. 규칙 실행 모드가ALL_MATCHED 인 경우 반환된 결과는 일치하는 모든 규칙에 해당합니다. 즉, 모두 사실로 평가된다는 뜻입니다. 또한 Amazon Fraud Detector는 탐지기에 추가된 모든 모델의 모델 점수를 반환합니다.

   입력을 변경하고 몇 가지 테스트를 실행하여 다양한 결과를 확인할 수 있습니다. 예제 데이터세트의 ip_address 및 email_address 값을 테스트에 사용하고 결과가 예상과 같은지 확인할 수 있습니다.

6. 검출기의 작동 방식에 만족하면 에서Draft 로 승격시키세요Active. 이렇게 하면 탐지기를 실시간 사기 탐지에 사용할 수 있습니다.

   Detector 버전 세부 정보 페이지에서 작업, 게시, 게시 버전을 선택합니다. 그러면 감지기 상태가 드래프트에서 활성으로 변경됩니다.

   이제 모델 및 관련 탐지 로직은 Amazon Fraud DetectorGetEventPrediction API를 사용하여 사기 행위에 대한 온라인 활동을 실시간으로 평가할 준비가 되었습니다. CSV 입력 파일과CreateBatchPredictionJob API를 사용하여 이벤트를 오프라인으로 평가할 수도 있습니다. Fraud Detector에 대한 자세한 내용은 단원을 참조하세요.사기 예측

이 자습서를 완료하면 다음 작업을 수행했습니다.

• Amazon S3에 예제 이벤트 데이터 세트를 업로드했습니다.

• 예제 데이터 세트를 사용하여 Amazon Fraud Detector 사기 탐지 모델을 만들고 교육했습니다.

• Amazon Fraud Detector가 생성한 모델 성능 점수 및 기타 성능 지표를 확인했습니다.

• 사기 탐지 모델을 배포했습니다.

• 탐지기를 만들고 배포된 모델을 추가했습니다.

• 탐지기에 규칙, 규칙 실행 순서 및 결과를 추가했습니다.

• 다양한 입력을 제공하고 규칙 및 규칙 실행 순서가 예상대로 작동하는지 확인하여 탐지기를 테스트했습니다.

• 탐지기를 게시하여 활성화했습니다.