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.

Variables

Las variables representan los elementos de datos que desea utilizar en una predicción de fraude. Estas variables se pueden extraer del conjunto de datos de eventos que preparó para entrenar su modelo, de los resultados de la puntuación de riesgo de su modelo de Amazon Fraud Detector o de SageMaker los modelos de Amazon. Para obtener más información sobre las variables tomadas del conjunto de datos de eventos, consulteObtenga los requisitos del conjunto de datos de eventos mediante el explorador de modelos de datos.

Las variables que desee utilizar en su predicción de fraude deben crearse primero y, a continuación, agregarse al evento al crear su tipo de evento. A cada variable que cree se le debe asignar un tipo de datos, un valor predeterminado y, opcionalmente, un tipo de variable. Amazon Fraud Detector enriquece algunas de las variables que usted proporciona, como las direcciones IP, los números de identificación bancaria (BIN) y los números de teléfono, para crear entradas adicionales y mejorar el rendimiento de los modelos que utilizan estas variables.

Tipos de datos

Las variables deben tener un tipo de datos para el elemento de datos que representa la variable y, opcionalmente, se les puede asignar uno de los predefinidosTipos de variables. Para las variables asignadas a un tipo de variable, el tipo de datos está preseleccionado. Los tipos de datos posibles incluyen los siguientes tipos:

Valor predeterminado

Las variables deben tener un valor predeterminado. Cuando Amazon Fraud Detector genera predicciones de fraude, este valor predeterminado se utiliza para ejecutar una regla o un modelo si Amazon Fraud Detector no recibe un valor para una variable. Los valores predeterminados que proporcione deben coincidir con el tipo de datos seleccionado. En la consola de AWS, Amazon Fraud Detector asigna el valor predeterminado 0 para números enteros, false booleanos, flotantes y (vacío) 0.0 para cadenas. Puede establecer un valor predeterminado personalizado para cualquiera de estos tipos de datos.

Tipos de variables

Al crear una variable, puede asignarla opcionalmente a un tipo de variable. El tipo de variable representa los elementos de datos comunes que se utilizan para entrenar modelos y generar predicciones de fraude. Solo se pueden usar variables con un tipo de variable asociado para el entrenamiento del modelo. Como parte del proceso de entrenamiento del modelo, Amazon Fraud Detector utiliza el tipo de variable asociado a la variable para realizar el enriquecimiento de las variables, la ingeniería de funciones y la puntuación del riesgo.

Amazon Fraud Detector ha predefinido los siguientes tipos de variables que se pueden utilizar para asignarlos a sus variables.

Asignación de una variable a un tipo de variable

Si tiene previsto utilizar una variable para entrenar el modelo, es importante que elija el tipo de variable correcto para asignarlo a la variable. La asignación incorrecta del tipo de variable puede afectar negativamente al rendimiento del modelo. También puede resultar muy difícil cambiar la asignación más adelante, especialmente si varios modelos y eventos han utilizado la variable.

Puede asignar a la variable cualquiera de los tipos de variables predefinidos o uno de los tipos de variables personalizadas:FREE_FORM_TEXT,CATEGORICAL, oNUMERIC.

Notas importantes para asignar variables a los tipos de variables correctos

Enriquecimientos variables

Amazon Fraud Detector enriquece algunos de los elementos de datos sin procesar que usted proporciona, como las direcciones IP, los números de identificación bancaria (BIN) y los números de teléfono, para crear entradas adicionales y mejorar el rendimiento de los modelos que utilizan estos elementos de datos. El enriquecimiento ayuda a identificar situaciones potencialmente sospechosas y ayuda a los modelos a detectar más casos de fraude.

Enriquecimiento de números de teléfono

Amazon Fraud Detector enriquece los datos del número de teléfono con información adicional relacionada con la geolocalización, el operador original y la validez del número de teléfono. El enriquecimiento de números de teléfono se habilita automáticamente para todas las modelos que se capaciten el 13 de diciembre de 2021 o después de esa fecha y que tengan un número de teléfono que incluya un código de país (+xxx). Si has incluido la variable de número de teléfono en tu modelo y la has entrenado antes del 13 de diciembre de 2021, vuelve a entrenar tu modelo para que pueda aprovechar este enriquecimiento.

Le recomendamos encarecidamente que utilice el siguiente formato para las variables de número de teléfono a fin de garantizar que los datos se enriquezcan correctamente.

Enriquecimiento de geolocalización

A partir del 8 de febrero de 2022, Amazon Fraud Detector calculará la distancia física entre los valores IP_ADDRESS, BILLING_ZIP y SHIPPING_ZIP que proporcionas para un evento. Las distancias calculadas se utilizan como entradas para su modelo de detección de fraudes.

Para habilitar el enriquecimiento por geolocalización, los datos del evento deben incluir al menos dos de las tres variables: IP_ADDRESS, BILLING_ZIP o SHIPPING_ZIP. Además, cada valor de BILLING_ZIP y SHIPPING_ZIP debe tener un código BILLING_COUNTRY y un código SHIPPING_COUNTRY válidos, respectivamente. Si tiene un modelo que se entrenó antes del 8 de febrero de 2022 e incluye estas variables, debe volver a entrenar el modelo para habilitar el enriquecimiento de la geolocalización.

Si Amazon Fraud Detector no puede determinar la ubicación asociada a los valores IP_ADDRESS, BILLING_ZIP o SHIPPING_ZIP de un evento debido a que los datos no son válidos, se utiliza un valor de marcador de posición especial en su lugar. Por ejemplo, supongamos que un evento tiene valores IP_ADDRESS y BILLING_ZIP válidos, pero el valor SHIPPING_ZIP no lo es. En este caso, el enriquecimiento se realiza únicamente para IP_ADDRES—> BILLING_ZIP. El enriquecimiento no está hecho para IP_ADDRES—>SHIPPING_ZIP y BILLING_ZIP—>SHIPPING_ZIP. En cambio, los valores de los marcadores de posición se utilizan en su lugar. Independientemente de si el enriquecimiento por geolocalización está habilitado para su modelo o no, el rendimiento de su modelo no cambia.

Para excluirse del enriquecimiento por geolocalización, asigne sus variables BILLING_ZIP y SHIPPING_ZIP al tipo de variable CUSTOM_CATEGORICAL. Cambiar el tipo de variable no afecta al rendimiento del modelo.

Formato variable de geolocalización

Le recomendamos encarecidamente que utilice el siguiente formato para las variables de geolocalización a fin de garantizar que los datos de ubicación se enriquezcan correctamente.

Enriquecimiento de agentes de usuario

Si crea el modelo Account Takeover Insights (ATI), debe proporcionar una variable del tipo de useragent variable en su conjunto de datos. Esta variable contiene los datos del navegador, el dispositivo y el sistema operativo de un evento de inicio de sesión. Amazon Fraud Detector enriquece los datos del agente de usuario con información adicional user_agent_familyOS_family, como, y. device_family