Historique du document - Amazon Fraud Detector

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Historique du document

Le tableau suivant décrit les modifications importantes apportées au guide de l'utilisateur d'Amazon Fraud Detector. Nous mettons également régulièrement à jour le guide de l'utilisateur d'Amazon Fraud Detector afin de répondre aux commentaires que vous nous envoyez.

ModificationDescriptionDate

Nouveaux types de variables et de données

Amazon Fraud Detector introduit de nouveaux types de variables et un type de données que vous pouvez utiliser pour extraire des informations utiles.

5 juin 2023

Orchestration d'événements

L'orchestration des événements vous permet d'envoyer facilement des événements à des Services AWS fins de traitement en aval, à l'aide d'Amazon. EventBridge

30 mai 2023

Listes

La ressource Listes vous permet de référencer un ensemble de valeurs telles que des adresses IP ou des adresses e-mail, dans le cadre d'une règle. Utilisez des listes dans une règle pour autoriser ou refuser l'accès ou une transaction.

14 février 2023

Explorateur de modèles de données

L'explorateur de modèles de données fournit des informations sur les éléments de données requis par Amazon Fraud Detector pour créer votre modèle de détection des fraudes. Utilisez l'explorateur de modèles de données avant de préparer votre jeu de données d'événements.

15 décembre 2022

Modèle Account Takeover Insights

Utilisez le modèle ATI (Account Takeover Insights) pour détecter les comptes compromis à la suite d'une prise de contrôle malveillante, d'un hameçonnage ou d'un vol d'informations d'identification.

21 juillet 2022

Mise à jour du chapitre

Mise à jour du chapitre d'introduction avec des informations supplémentaires sur Amazon Fraud Detector

11 avril 2022

Enrichissement variable

Activez l'enrichissement de certaines des données brutes que vous fournissez pour améliorer les performances des modèles qui utilisent ces éléments de données et qui ont été entraînés avant le 8 février 2022.

8 février 2022

Politiques de désabonnement

Utilisez des politiques de désinscription pour refuser que les données de vos événements soient utilisées pour développer ou améliorer la qualité d'Amazon Fraud Detector.

6 janvier 2022

Prévention confuse des adjoints

Créez des politiques pour empêcher un tiers ou une entité interservices de manipuler une entité autorisée à agir en son nom afin d'accéder aux ressources de votre compte.

6 décembre 2021

Créer un jeu de données d'événements

Suivez les instructions fournies dans la section Créer un jeu de données d'événements pour préparer et collecter des données pour entraîner votre modèle.

22 novembre 2021

Explications des prévisions

Utilisez les explications des prévisions pour mieux comprendre l'impact de chaque variable d'événement sur les scores de prédiction des fraudes de votre modèle.

10 novembre 2021

Résoudre les problèmes

Utilisez les informations de la section Résoudre les problèmes liés aux données d'entraînement pour vous aider à diagnostiquer et à résoudre les problèmes que vous pourriez rencontrer dans la console Amazon Fraud Detector lorsque vous entraînez votre modèle.

11 octobre 2021

Modèle d'analyse des fraudes transactionnelles

Utilisez le modèle Transaction Fraud Insights (TFI) pour détecter les fraudes en ligne ou card-not-present transactionnelles.

11 octobre 2021

Événements enregistrés

Stockez les données de vos événements dans Amazon Fraud Detector et utilisez-les pour entraîner ultérieurement vos modèles. En stockant les données d'événements dans Amazon Fraud Detector, vous pouvez entraîner des modèles qui utilisent des variables calculées automatiquement pour améliorer les performances, simplifier le recyclage des modèles et mettre à jour les étiquettes de fraude afin de fermer la boucle de feedback du machine learning.

11 octobre 2021

Importance des variables du modèle

Utilisez l'importance des variables du modèle pour mieux comprendre ce qui fait augmenter ou diminuer les performances de votre modèle et quelles variables de votre modèle y contribuent le plus. Modifiez ensuite votre modèle pour améliorer les performances globales.

9 juillet 2021

Intégration à AWS CloudFormation

AWS CloudFormationÀ utiliser pour gérer vos ressources Amazon Fraud Detector.

10 mai 2021

Prédictions par lots

Utilisez les prédictions par lots pour obtenir des prévisions pour un ensemble d'événements qui ne nécessitent pas de notation en temps réel.

31 mars 2021

Refonte du chapitre

Refonte de Get Started et d'autres sections

17 juillet 2020

Première version

Première version

2 décembre 2019