本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
亞馬遜 Fraud Detector 的原理
Amazon Fraud Detector 會建立自訂的機器學習模型，以偵測您企業中潛在的詐騙線上活動。若要開始使用，您可以提供您的企業使用案例。根據您的商業使用案例，Amazon Fraud Detector 會建議用來為您建立詐騙偵測模型的模型類型。此外，它還提供了有關您需要提供的數據元素的見解，以作為業務歷史數據的一部分。Amazon Fraud Detector 使用歷史資料集為您自動建立和訓練自訂模型。
自動化模型訓練程序包括選擇機器學習演算法，以偵測特定商業使用案例的詐騙、驗證您提供的資料，以及執行資料操作以改善模型效能。訓練模型後，Amazon Fraud Detector 會產生模型分數和其他模型效能指標。您可以使用分數和效能指標來評估模型效能。如果需要，您可以從提供的資料集中新增或移除資料元素以進行訓練，並重新訓練模型以改善模型分數。
建立、訓練和啟動模型之後，您需要設定決策邏輯 (也稱為規則)，以告訴模型如何解譯您的業務所產生的資料，並指派結果，以便如何處理每個活動的解釋。結果可以代表諸如，批准或審查活動之類的操作，也可以代表活動的風險級別，例如高風險，中度風險和低風險。
檢測器是一個容納您的模型和相關規則的容器。您需要在生產環境中建立、測試及部署偵測器。
在生產環境中部署的偵測器可為您的業務應用程式提供詐騙偵測功能。為了執行欺詐評估，該模型將業務活動中的所有傳入數據與您的業務歷史數據進行比較，並使用其精密的機器學習算法與您創建的規則來分析結果並分配結果。使用 Amazon Fraud Detector，您可以即時評估單一商業活動中的資料，或離線評估來自多個商業活動的資料。
讓我們假設您的業務將在線資金轉移作為其活動之一。您想要使用 Amazon Fraud Detector 即時偵測詐騙資金轉移請求。若要開始使用，您必須先向 Amazon Fraud Detector 提供過去資金轉移請求的資料。Amazon Fraud Detector 使用此資料建立和訓練自訂模型，以偵測詐騙資金轉移請求。然後，您可以通過添加模型並配置模型的規則來解釋數據來創建檢測器。網上資金轉移活動的規則的一個例子可以是，如果資金轉移請求來自xyz@example.com電子郵件地址，發送審查請求。在您企業的生產環境中，當資金轉移請求出現時，模型會分析請求隨附的資料，並使用規則來指派結果。然後，您可以根據指派的結果對要求採取動作。
Amazon Fraud Detector 使用訓練資料集、模型、偵測器、規則和結果等元件，為您的企業提供詐騙評估邏輯。
如需使用 Amazon Fraud Detector 偵測詐騙的工作流程的相關資訊，請參閱使用 Amazon Fraud Detector 偵測詐騙
