Parte B: Generar predicciones de fraude - Amazon Fraud Detector

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Parte B: Generar predicciones de fraude

La predicción del fraude es una evaluación del fraude para una actividad empresarial (evento). Amazon Fraud Detector utiliza detectores para generar predicciones de fraude. Un detector contiene la lógica de detección, como modelos y reglas, para un evento específico que se desea evaluar para determinar si es un fraude. La lógica de detección utiliza reglas para indicar a Amazon Fraud Detector cómo interpretar los datos asociados al modelo. En este tutorial, evaluará el evento de registro de la cuenta mediante el conjunto de datos de ejemplo de registro de cuenta que cargó anteriormente.

En la parte A, creó, entrenó e implementó su modelo. En la parte B, crea un detector para el tipo desample_registration evento, agrega el modelo implementado, crea reglas y una orden de ejecución de reglas y, a continuación, crea y activa una versión del detector que se utiliza para generar predicciones de fraude.

Para crear un detector

  1. En el panel de navegación izquierdo de la consola de Amazon Fraud Detector, elija Detectors.

  2. Selecciona Crear detector.

  3. En la página Definir detalles del detector, introduzcasample_detector el nombre del detector. De manera opcional, ingrese una descripción para el detector, comomy sample fraud detector.

  4. En Tipo de evento, seleccione sample_registration. Este es el evento que creó en la parte A de este tutorial.

  5. Elija Siguiente.

Si ha completado la parte A de este tutorial, es probable que ya tenga un modelo de Fraud Detector de Amazon disponible para agregarlo a su detector. Si aún no ha creado un modelo, vaya a la parte A y complete los pasos para crear, entrenar e implementar un modelo y, a continuación, continúe con la parte B.

  1. En Añadir modelo (opcional), selecciona Añadir modelo.

  2. En la página Agregar modelo, en Seleccionar modelo, elija el nombre del modelo de Amazon Fraud Detector que implementó anteriormente. En Seleccionar versión, elija la versión del modelo implementado.

  3. Elija Add model (Añadir modelo).

  4. Elija Siguiente.

Una regla es una condición que indica a Amazon Fraud Detector cómo interpretar la puntuación de rendimiento del modelo al evaluar la predicción de fraude. Para este tutorial, debe crear tres reglas:high_fraud_riskmedium_fraud_risk, ylow_fraud_risk.

  1. En la página Agregar reglas, en Definir una regla, introduzcahigh_fraud_risk el nombre de la regla y, en Descripción (opcional), introduzcaThis rule captures events with a high ML model score la descripción de la regla.

  2. En Expresión, introduzca la siguiente expresión de regla mediante el lenguaje de expresiones de reglas simplificado de Amazon Fraud Detector:

    $sample_fraud_detection_model_insightscore > 900

  3. En Resultados, selecciona Crear un nuevo resultado. Un resultado es el resultado de una predicción de fraude y se devuelve si la regla coincide durante una evaluación.

  4. En Crear un nuevo resultado, introduzcaverify_customer el nombre del resultado. De manera opcional, ingrese una descripción.

  5. Selecciona Guardar resultado.

  6. Seleccione Agregar regla para ejecutar el comprobador de validación de reglas y guardar la regla. Una vez creada, Amazon Fraud Detector hace que la regla esté disponible para su uso en su detector.

  7. Elija Agregar otra regla y, a continuación, elija la pestaña Crear regla.

  8. Repita este proceso dos veces más para crear suslow_fraud_risk reglasmedium_fraud_risk y utilice los siguientes detalles de la regla:

    • riesgo de fraude medio

      Nombre de la regla:medium_fraud_risk

      Resultado:review

      Expresión:

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • bajo riesgo de fraude

      Nombre de la regla:low_fraud_risk

      Resultado:approve

      Expresión:

      $sample_fraud_detection_model_insightscore <= 700

    Estos valores son ejemplos utilizados en este tutorial. Cuando cree reglas para su propio detector, utilice valores que sean apropiados para su modelo y su caso de uso,

  9. Después de crear las tres reglas, seleccione Siguiente.

    Para obtener más información acerca de cómo crear y escribir reglas, consulteReglas yReferencia al lenguaje de las reglas.

El modo de ejecución de reglas de las reglas que se incluyen en el detector determina si se evalúan todas las reglas que defina o si la evaluación de las reglas se detiene en la primera regla coincidente. Y el orden de las reglas determina el orden en el que desea que se ejecute la regla.

El modo de ejecución de reglas predeterminado esFIRST_MATCHED.

Primer emparejado

El modo de ejecución de la primera regla coincidente devuelve los resultados de la primera regla coincidente en función del orden de reglas definido. Si especifica FIRST_MATCHED, Amazon Fraud Detector evalúa las reglas secuencialmente, de la primera a la última, y se detiene en la primera regla que coincida. Amazon Fraud Detector proporciona los resultados de esa regla única.

El orden en el que se ejecutan las reglas puede afectar al resultado de la predicción de fraudes resultante. Después de crear las reglas, reordene las reglas para ejecutarlas en el orden deseado siguiendo estos pasos:

Si lahigh_fraud_risk regla aún no aparece en la parte superior de la lista de reglas, selecciona Ordenar y, a continuación, elige 1. Esto pasahigh_fraud_risk a la primera posición.

Repite este proceso para que lamedium_fraud_risk regla esté en la segunda posición y lalow_fraud_risk regla en la tercera posición.

Todos coincidentes

El modo de ejecución de todas las reglas coincidentes devuelve los resultados de todas las reglas coincidentes, independientemente del orden de las reglas. Si lo especificaALL_MATCHED, Amazon Fraud Detector evalúa todas las reglas y devuelve los resultados de todas las reglas coincidentes.

SeleccioneFIRST_MATCHED este tutorial y, a continuación, elija Siguiente.

Una versión de detector define los modelos y reglas específicos que se utilizan para generar predicciones de fraude.

  1. En la página Revisar y crear, revise los detalles, los modelos y las reglas del detector que configuró. Si necesitas hacer algún cambio, selecciona Editar junto a la sección correspondiente.

  2. Selecciona Crear detector. Una vez creado, la primera versión del detector aparece en la tabla de versiones del detector con elDraft estado.

    Utiliza la versión preliminar para probar el detector.

En la consola de Amazon Fraud Detector, puede probar la lógica del detector mediante datos simulados con la función Ejecutar prueba. Para este tutorial, puede utilizar los datos de registro de la cuenta del conjunto de datos de ejemplo.

  1. Desplázate hasta Ejecutar prueba en la parte inferior de la página de detalles de la versión de Detector.

  2. Para los metadatos del evento, introduzca una marca de tiempo en la que se produjo el evento e introduzca un identificador único para la entidad que realiza el evento. Para este tutorial, seleccione una fecha en el selector de fechas para la marca de tiempo e introduzca «1234» como ID de entidad.

  3. En Variable de evento, introduzca los valores de la variable que desee probar. Para este tutorial, solo necesitas losemail_address camposip_address y. Esto se debe a que son las entradas que se utilizan para entrenar su modelo de Fraud Detector Amazon. Puede realizar una prueba con los siguientes valores de ejemplo. Esto supone que ha utilizado los nombres de variables sugeridos:

    • dirección_IP:205.251.233.178

    • dirección_de_correo electrónico:johndoe@exampledomain.com

  4. Selecciona Ejecutar prueba.

  5. Amazon Fraud Detector devuelve el resultado de la predicción del fraude en función del modo de ejecución de la regla. Si el modo de ejecución de la regla esFIRST_MATCHED, el resultado devuelto corresponde a la primera regla que coincidió. La primera regla es la regla con la prioridad más alta. Coincide si se evalúa como verdadera. Si el modo de ejecución de la regla esALL_MATCHED, el resultado devuelto corresponde a todas las reglas que coincidieron. Eso significa que todos se evalúan como verdaderos. Amazon Fraud Detector también devuelve la puntuación del modelo de todos los modelos añadidos al detector.

    Puede cambiar las entradas y ejecutar un par de pruebas para ver diferentes resultados. Puedes usar los valores ip_address y email_address de tu conjunto de datos de ejemplo para las pruebas y comprobar si los resultados son los esperados.

  6. Cuando esté satisfecho con el funcionamiento del detector, promuévalo deDraft aActive. De este modo, el detector estará disponible para su uso en la detección de fraudes en tiempo real.

    En la página de detalles de la versión de Detector, elija Acciones, Publicar, Publicar versión. Esto cambia el estado del detector de Borrador a Activo.

    En este punto, su modelo y la lógica de detección asociada están listos para evaluar las actividades en línea en busca de fraude en tiempo real mediante laGetEventPrediction API de Fraud Detector de Amazon. También puedes evaluar los eventos sin conexión mediante un archivo de entrada CSV y laCreateBatchPredictionJob API. Para obtener más información acerca de la predicción de fraudes, consulte.Predicciones de fraude

Al completar este tutorial, ha hecho lo siguiente:

  • Cargué un conjunto de datos de eventos de ejemplo en Amazon S3.

  • Creé y entrené un modelo de detección de fraudes de Amazon Fraud Detector utilizando el conjunto de datos de ejemplo.

  • Consultó la puntuación de rendimiento del modelo y otras métricas de rendimiento que generó Amazon Fraud Detector.

  • Implementé el modelo de detección de fraudes.

  • Creó un detector y agregó el modelo implementado.

  • Se agregaron reglas, el orden de ejecución de las reglas y los resultados al detector.

  • Probé el detector proporcionando diferentes entradas y comprobando si las reglas y el orden de ejecución de las reglas funcionaban según lo esperado.

  • Se activó el detector publicándolo.