View a markdown version of this page

Erstellen Sie einen Detektor - Amazon Fraud Detector
Erstellen Sie einen Detektor in der Amazon Fraud Detector-KonsoleErstellen Sie einen Detektor mit dem AWS SDK für Python (Boto3)

Amazon Fraud Detector steht seit dem 7. November 2025 nicht mehr für Neukunden zur Verfügung. Funktionen, die denen von Amazon Fraud Detector ähneln SageMaker AutoGluon, finden Sie unter Amazon und AWS WAF.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Erstellen Sie einen Detektor

Sie erstellen einen Detektor, indem Sie den Ereignistyp angeben, den Sie bereits definiert haben. Sie können optional ein Modell hinzufügen, das bereits von Amazon Fraud Detector trainiert und bereitgestellt wurde. Wenn Sie ein Modell hinzufügen, können Sie die von Amazon Fraud Detector generierte Modellbewertung in Ihrem Regelausdruck verwenden, wenn Sie eine Regel erstellen (z. B.$model score < 90).

Sie können einen Detektor in der Amazon Fraud Detector-Konsole mithilfe der PutDetector API, des Befehls put-detector oder mithilfe des AWS SDK erstellen. Wenn Sie eine API, einen Befehl oder ein SDK zum Erstellen eines Detektors verwenden, folgen Sie nach der Erstellung des Melders den Anweisungen unter. Erstellen Sie eine Detektorversion

Erstellen Sie einen Detektor in der Amazon Fraud Detector-Konsole

In diesem Beispiel wird davon ausgegangen, dass Sie einen Ereignistyp erstellt und auch eine Modellversion erstellt und bereitgestellt haben, die Sie für die Betrugsprognose verwenden möchten.

Schritt 1: Detektor erstellen

  1. Wählen Sie im linken Navigationsbereich der Amazon Fraud Detector-Konsole die Option Detectors aus.

  2. Wählen Sie Detektor erstellen aus.

  3. Geben sample_detector Sie auf der Seite „Detektordetails definieren“ den Namen des Melders ein. Geben Sie optional eine Beschreibung für den Detektor ein, z. my sample fraud detector B.

  4. Wählen Sie als Ereignistyp den Ereignistyp aus, den Sie für die Betrugsprognose erstellt haben.

  5. Wählen Sie Weiter aus.

Schritt 2: Fügen Sie eine bereitgestellte Modellversion hinzu

  1. Beachten Sie, dass dies ein optionaler Schritt ist. Sie müssen Ihrem Detektor kein Modell hinzufügen. Um diesen Schritt zu überspringen, wählen Sie Next (Weiter).

  2. Wählen Sie im Feld Modell hinzufügen — optional die Option Modell hinzufügen aus.

  3. Wählen Sie auf der Seite Modell hinzufügen für Modell auswählen den Amazon Fraud Detector-Modellnamen aus, den Sie zuvor bereitgestellt haben. Wählen Sie für Select-Version die Modellversion des bereitgestellten Modells aus.

  4. Wählen Sie Add model aus.

  5. Wählen Sie Weiter aus.

Schritt 3: Regeln hinzufügen

Eine Regel ist eine Bedingung, die Amazon Fraud Detector mitteilt, wie Variablenwerte bei der Auswertung zur Betrugsprognose zu interpretieren sind. In diesem Beispiel werden drei Regeln erstellt, die die Modellwerte als variable Werte verwenden: high_fraud_riskmedium_fraud_risk, undlow_fraud_risk. Verwenden Sie Werte, die für Ihr Modell und Ihren Anwendungsfall geeignet sind, um Ihre eigenen Regeln, Regelausdrücke, Regelausführungsreihenfolge und Ergebnisse zu erstellen.

  1. Geben high_fraud_risk Sie auf der Seite Regeln hinzufügen unter Regel definieren den Regelnamen und unter Beschreibung — optional die Beschreibung für die This rule captures events with a high ML model score Regel ein.

  2. Geben Sie im Feld Ausdruck den folgenden Regelausdruck in der vereinfachten Regelausdruckssprache von Amazon Fraud Detector ein:

    $sample_fraud_detection_model_insightscore > 900

  3. Wählen Sie unter Ergebnisse die Option Neues Ergebnis erstellen aus. Ein Ergebnis ist das Ergebnis einer Betrugsprognose und wird zurückgegeben, wenn die Regel während einer Bewertung zutrifft.

  4. Geben verify_customer Sie im Feld Neues Ergebnis erstellen den Namen des Ergebnisses ein. Geben Sie optional eine Beschreibung ein.

  5. Wählen Sie Ergebnis speichern.

  6. Wählen Sie Regel hinzufügen, um die Regelvalidierungsprüfung auszuführen und die Regel zu speichern. Nachdem sie erstellt wurde, stellt Amazon Fraud Detector die Regel zur Verwendung in Ihrem Detektor zur Verfügung.

  7. Wählen Sie Weitere Regel hinzufügen und dann die Registerkarte Regel erstellen.

  8. Wiederholen Sie diesen Vorgang noch zweimal, um Ihre medium_fraud_risk low_fraud_risk UND-Regeln mithilfe der folgenden Regeldetails zu erstellen:

    • mittleres Betrugsrisiko

      Name der Regel: medium_fraud_risk

      Ergebnis: review

      Ausdruck:

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • low_fraud_risk

      Name der Regel: low_fraud_risk

      Ergebnis: approve

      Ausdruck:

      $sample_fraud_detection_model_insightscore <= 700

  9. Nachdem Sie alle Regeln für Ihren Anwendungsfall erstellt haben, wählen Sie Weiter.

    Weitere Informationen zum Erstellen und Schreiben von Regeln finden Sie unter Regeln undReferenz zur Sprache der Regel.

Schritt 4: Konfigurieren Sie die Regelausführung und die Regelreihenfolge

Der Regelausführungsmodus für die Regeln, die im Detektor enthalten sind, bestimmt, ob alle von Ihnen definierten Regeln ausgewertet werden oder ob die Regelauswertung bei der ersten übereinstimmenden Regel endet. Und die Reihenfolge der Regeln bestimmt die Reihenfolge, in der die Regel ausgeführt werden soll.

Der Standardausführungsmodus für Regeln istFIRST_MATCHED.

Zuerst gefunden

Der Ausführungsmodus für die erste übereinstimmende Regel gibt die Ergebnisse für die erste übereinstimmende Regel auf der Grundlage der definierten Regelreihenfolge zurück. Wenn Sie FIRST_MATCHED angeben bewertet Amazon Fraud Detector die Regeln nacheinander von der ersten bis zur letzten und stoppt dabei bei der ersten übereinstimmenden Regel. Amazon Fraud Detector liefert dann die Ergebnisse für diese einzelne Regel.

Die Reihenfolge, in der Sie die Regeln ausführen, kann sich auf das Ergebnis der Betrugsprognose auswirken. Nachdem Sie Ihre Regeln erstellt haben, ordnen Sie die Regeln neu an, sodass sie in der gewünschten Reihenfolge ausgeführt werden. Gehen Sie dazu wie folgt vor:

Wenn Ihre high_fraud_risk Regel nicht bereits ganz oben auf Ihrer Regelliste steht, wählen Sie Reihenfolge und dann 1 aus. Dadurch wird high_fraud_risk an die erste Position verschoben.

Wiederholen Sie diesen Vorgang, sodass sich Ihre medium_fraud_risk Regel an zweiter Stelle und Ihre low_fraud_risk Regel an dritter Stelle befindet.

Alle stimmten überein

Der Ausführungsmodus „Alle übereinstimmenden Regeln“ gibt Ergebnisse für alle übereinstimmenden Regeln zurück, unabhängig von der Reihenfolge der Regeln. Wenn Sie angebenALL_MATCHED, wertet Amazon Fraud Detector alle Regeln aus und gibt die Ergebnisse für alle übereinstimmenden Regeln zurück.

Wählen Sie FIRST_MATCHED für dieses Tutorial aus und wählen Sie dann Weiter.

Schritt 5: Überprüfen und erstellen Sie die Detektorversion

Eine Detektorversion definiert die spezifischen Modelle und Regeln, die zur Generierung von Betrugsvorhersagen verwendet werden.

  1. Überprüfen Sie auf der Seite Überprüfen und erstellen die Detector-Details, Modelle und Regeln, die Sie konfiguriert haben. Wenn Sie Änderungen vornehmen müssen, wählen Sie neben dem entsprechenden Abschnitt Bearbeiten aus.

  2. Wählen Sie Detektor erstellen. Nach der Erstellung erscheint die erste Version Ihres Detektors in der Tabelle der Detektorversionen mit Draft dem Status.

    Sie verwenden die Entwurfsversion, um Ihren Detektor zu testen.

Erstellen Sie einen Detektor mit dem AWS SDK für Python (Boto3)

Das folgende Beispiel zeigt eine Beispielanforderung für die PutDetector API. Ein Detektor fungiert als Container für Ihre Detektorversionen. Die PutDetector API gibt an, welchen Ereignistyp der Detektor auswerten wird. Im folgenden Beispiel wird davon ausgegangen, dass Sie einen Ereignistyp erstellt habensample_registration.

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.put_detector (
detectorId = 'sample_detector',
eventTypeName = 'sample_registration'
)