Conceptos y términos principales

Un evento es la actividad empresarial de su organización que se evalúa en función del riesgo de fraude. Amazon Fraud Detector genera predicciones de fraude para eventos.

Una etiqueta clasifica un solo evento como fraudulento o legítimo. Las etiquetas se utilizan para entrenar modelos de aprendizaje automático en Amazon Fraud Detector.

Una entidad representa quién está realizando el evento. Usted proporciona el identificador de la entidad como parte de los datos de fraude de su empresa para indicar la entidad específica que llevó a cabo el evento.

Un tipo de evento define la estructura de un evento enviado a Amazon Fraud Detector. Esto incluye los datos enviados como parte del evento, la entidad que organiza el evento (por ejemplo, un cliente) y las etiquetas que clasifican el evento. Los ejemplos de tipos de eventos incluyen las transacciones de pago en línea, los registros de cuentas y la autenticación.

Un tipo de entidad clasifica la entidad. Las clasificaciones de ejemplo incluyen cliente, comerciante o cuenta.

El conjunto de datos de eventos son los datos históricos de su empresa sobre una actividad empresarial o un evento específicos. Por ejemplo, el evento de tu empresa podría ser el registro de una cuenta en línea. Los datos de un solo evento (registro) pueden incluir la dirección IP asociada, la dirección de correo electrónico, la dirección de facturación y la marca horaria del evento. Proporcionas un conjunto de datos de eventos a Amazon Fraud Detector para crear y entrenar modelos de detección de fraudes.

Un modelo es el resultado de algoritmos de aprendizaje automático. Estos algoritmos se implementan en código y se ejecutan con los datos de eventos que usted proporciona.

El tipo de modelo define los algoritmos, los enriquecimientos y las transformaciones de características que se utilizan durante el entrenamiento del modelo. También define los requisitos de datos para entrenar el modelo. Estas definiciones sirven para optimizar el modelo para un tipo específico de fraude. Usted especifica el tipo de modelo que se utilizará al crear su modelo.

El entrenamiento del modelo es el proceso de utilizar un conjunto de datos de eventos proporcionado para crear un modelo que pueda predecir eventos fraudulentos. Todos los pasos del proceso de formación del modelo están totalmente automatizados. Estos pasos incluyen la validación de datos, la transformación de datos, la ingeniería de características, la selección de algoritmos y la optimización del modelo.

La puntuación del modelo es el resultado de la evaluación de los datos históricos de fraude de su empresa. Durante el proceso de formación del modelo, Amazon Fraud Detector evalúa el conjunto de datos para detectar actividades fraudulentas y genera una puntuación entre 0 y 1000. Para esta puntuación, 0 representa un riesgo de fraude bajo, mientras que 1000 representa el riesgo de fraude más alto. La puntuación en sí misma está directamente relacionada con la tasa de falsos positivos (FPR).

La versión de un modelo es el resultado del entrenamiento de un modelo.

El despliegue del modelo es un proceso para activar una versión del modelo y ponerla a disposición para generar predicciones de fraude.

Además de crear modelos con Amazon Fraud Detector, también puede utilizar puntos de enlace SageMaker de modelos alojados en las evaluaciones de Amazon Fraud Detector.

Para obtener más información sobre cómo crear un modelo SageMaker, consulte Entrenar un modelo con. Amazon SageMaker AI

Un detector contiene la lógica de detección, como el modelo y las reglas para un evento concreto que desee evaluar como fraude. Para crear un detector, utilice una versión modelo.

Un detector puede tener varias versiones, y cada versión tiene un estado de DraftActive, oInactive. Solo una versión del detector puede estar en Active estado a la vez.

Una variable representa un elemento de datos asociado a un evento que se desea utilizar en una predicción de fraude. Las variables pueden enviarse con un evento como parte de una predicción de fraude o derivarse, como la salida de un modelo de Amazon Fraud Detector oAmazon SageMaker AI.

Una regla es una condición que indica a Amazon Fraud Detector cómo interpretar los valores de las variables durante una predicción de fraude. Una regla consta de una o más variables, una expresión lógica y uno o más resultados. Las variables utilizadas en la regla deben formar parte del conjunto de datos de eventos que evalúa el detector. Además, cada detector debe tener al menos una regla asociada.

Este es el resultado, o resultado, de una predicción de fraude. Cada regla que se utilice en una predicción de fraude debe especificar uno o más resultados.

La predicción del fraude es una evaluación del fraude, ya sea para un solo evento o para un conjunto de eventos. Amazon Fraud Detector genera predicciones de fraude para un solo evento en línea en tiempo real al proporcionar de forma sincronizada una puntuación del modelo y un resultado en función de las reglas. Amazon Fraud Detector genera predicciones de fraude para una serie de eventos fuera de línea. Puede utilizar las predicciones para realizar una evaluación offline proof-of-concept o retrospectiva del riesgo de fraude cada hora, día o semana.

Las explicaciones de la predicción del fraude proporcionan información sobre el impacto de cada variable en la puntuación de predicción del fraude de su modelo. Proporciona información sobre la forma en que cada variable influye en las puntuaciones de riesgo en términos de magnitud (de 0 a 5, siendo 5 la puntuación más alta) y de dirección (elevando o bajando la puntuación).