本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
Amazon Fraud Detcort 的工作原
Amazon Fraud Detector 构建了一个机器学习模型，该模型经过自定义，可以检测您企业中潜在的欺诈性在线活动。要开始操作，您可以提供您的业务用例。根据您的业务用例，Amazon Fraud Detector 会推荐一种模型类型，用于为您创建欺诈检测模型。此外，它还提供有关您需要作为企业历史数据一部分提供的数据元素的见解。Amazon Fraud Detector 使用历史数据集自动为您创建和训练自定义模型。
自动模型训练过程包括选择一种机器学习算法，该算法可以针对您的特定业务用例检测欺诈行为，验证您提供的数据，以及执行数据操作以提高模型性能。训练模型后，Amazon Fraud Detector 会生成模型分数和其他模型性能指标。您可以使用分数和性能指标来评估模型性能。如果需要，您可以从为训练提供的数据集中添加或移除数据元素，并重新训练模型以提高模型分数。
在创建、训练和激活模型后，您需要配置决策逻辑（也称为规则），该逻辑告诉模型如何解释业务生成的数据，并为如何处理每项活动的解释分配结果。结果可以代表诸如批准或审查活动之类的行动，也可以代表活动的风险级别，例如高风险、中等风险和低风险。
探测器是一个容器，用于存放您的模型和相关规则。您需要创建、测试探测器并将其部署到您的生产环境中。
部署在生产环境中的探测器为您的业务应用程序提供欺诈检测功能。为了进行欺诈评估，该模型将来自您的业务活动的所有传入数据与业务的历史数据进行比较，并使用其复杂的机器学习算法和您创建的规则来分析结果并分配结果。借助 Amazon Fraud Detector，您可以实时评估来自单个业务活动的数据，也可以离线评估来自多个业务活动的数据。
假设您有一家将在线资金转账作为其活动之一的企业。您想使用 Amazon Fraud Detector 来实时检测欺诈性转账请求。首先，您需要先向 Amazon Fraud Detector 提供过去的资金转账请求中的数据。Amazon Fraud Detector 使用这些数据来创建和训练一个模型，该模型经过自定义，可以检测欺诈性的资金转账请求。然后，您可以通过添加模型和配置模型解释数据的规则来创建探测器。在线资金转账活动规则的一个例子是，如果资金转账请求来自哪里xyz@example.com电子邮件地址，发送审核请求。在企业的生产环境中，当收到资金转账请求时，模型会分析请求附带的数据，并使用规则来分配结果。然后，您可以根据分配的结果对请求采取行动。
Amazon Fraud Detector 使用训练数据集、模型、探测器、规则和结果等组件为您的企业提供欺诈评估逻辑。
有关使用 Amazon Fraud Detector 检测欺诈时将使用的工作流程的信息，请参阅使用 Amazon Fraud Detector 检测欺诈行为
