Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Partie B : Générer des prévisions de fraude - 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.

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.

Partie B : Générer des prévisions de fraude

La prédiction des fraudes est une évaluation de la fraude dans le cadre d'une activité commerciale (événement). Amazon Fraud Detector utilise des détecteurs pour générer des prévisions de fraude. Un détecteur contient une logique de détection, telle que des modèles et des règles, pour un événement spécifique que vous souhaitez évaluer pour détecter une fraude. La logique de détection utilise des règles pour indiquer à Amazon Fraud Detector comment interpréter les données associées au modèle. Dans ce didacticiel, vous allez évaluer l'événement d'enregistrement du compte à l'aide de l'exemple de jeu de données d'enregistrement de compte que vous avez chargé précédemment.

Dans la partie A, vous avez créé, entraîné et déployé votre modèle. Dans la partie B, vous créez un détecteur pour le type d'sample_registrationévénement, vous ajoutez le modèle déployé, vous créez des règles et un ordre d'exécution des règles, puis vous créez et activez une version du détecteur que vous utilisez pour générer des prévisions de fraude.

Pour créer un détecteur
  1. Dans le volet de navigation de gauche de la console Amazon Fraud Detector, choisissez Detectors.

  2. Choisissez Créer un détecteur.

  3. Sur la page Définir les détails du détecteur, entrez sample_detector le nom du détecteur. Entrez éventuellement une description du détecteur, telle quemy sample fraud detector.

  4. Pour Type d'événement, sélectionnez sample_registration. Il s'agit de l'événement que vous avez créé dans la partie A de ce didacticiel.

  5. Choisissez Suivant.

Pour créer un détecteur
  1. Dans le volet de navigation de gauche de la console Amazon Fraud Detector, choisissez Detectors.

  2. Choisissez Créer un détecteur.

  3. Sur la page Définir les détails du détecteur, entrez sample_detector le nom du détecteur. Entrez éventuellement une description du détecteur, telle quemy sample fraud detector.

  4. Pour Type d'événement, sélectionnez sample_registration. Il s'agit de l'événement que vous avez créé dans la partie A de ce didacticiel.

  5. Choisissez Suivant.

Si vous avez terminé la partie A de ce didacticiel, vous disposez probablement déjà d'un modèle Amazon Fraud Detector que vous pouvez ajouter à votre détecteur. Si vous n'avez pas encore créé de modèle, passez à la partie A et suivez les étapes de création, de formation et de déploiement d'un modèle, puis passez à la partie B.

  1. Dans le champ Ajouter un modèle (facultatif), sélectionnez Ajouter un modèle.

  2. Sur la page Ajouter un modèle, pour Sélectionner un modèle, choisissez le nom du modèle Amazon Fraud Detector que vous avez déployé précédemment. Pour Sélectionner une version, choisissez la version du modèle déployé.

  3. Choisissez Add model.

  4. Choisissez Suivant.

Si vous avez terminé la partie A de ce didacticiel, vous disposez probablement déjà d'un modèle Amazon Fraud Detector que vous pouvez ajouter à votre détecteur. Si vous n'avez pas encore créé de modèle, passez à la partie A et suivez les étapes de création, de formation et de déploiement d'un modèle, puis passez à la partie B.

  1. Dans le champ Ajouter un modèle (facultatif), sélectionnez Ajouter un modèle.

  2. Sur la page Ajouter un modèle, pour Sélectionner un modèle, choisissez le nom du modèle Amazon Fraud Detector que vous avez déployé précédemment. Pour Sélectionner une version, choisissez la version du modèle déployé.

  3. Choisissez Add model.

  4. Choisissez Suivant.

Une règle est une condition qui indique à Amazon Fraud Detector comment interpréter le score de performance d'un modèle lors d'une évaluation visant à prédire les fraudes. Dans le cadre de ce didacticiel, vous allez créer trois règles : high_fraud_riskmedium_fraud_risk, etlow_fraud_risk.

  1. Sur la page Ajouter des règles, sous Définir une règle, entrez high_fraud_risk le nom de la règle et sous Description (facultatif), entrez This rule captures events with a high ML model score la description de la règle.

  2. Dans Expression, entrez l'expression de règle suivante en utilisant le langage d'expression de règles simplifié d'Amazon Fraud Detector :

    $sample_fraud_detection_model_insightscore > 900

  3. Dans Résultats, choisissez Créer un nouveau résultat. Un résultat est le résultat d'une prédiction de fraude et est renvoyé si la règle correspond lors d'une évaluation.

  4. Dans Créer un nouveau résultat, entrez le verify_customer nom du résultat. Entrez éventuellement une description.

  5. Choisissez Enregistrer le résultat.

  6. Choisissez Ajouter une règle pour exécuter le vérificateur de validation des règles et enregistrer la règle. Une fois la règle créée, Amazon Fraud Detector met la règle à votre disposition pour qu'elle puisse être utilisée dans votre détecteur.

  7. Choisissez Ajouter une autre règle, puis cliquez sur l'onglet Créer une règle.

  8. Répétez ce processus deux fois de plus pour créer vos low_fraud_risk règles medium_fraud_risk and à l'aide des détails suivants :

    • risque_de_fraude moyen

      Nom de la règle : medium_fraud_risk

      Résultat : review

      Expression :

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • faible risque de fraude

      Nom de la règle : low_fraud_risk

      Résultat : approve

      Expression :

      $sample_fraud_detection_model_insightscore <= 700

    Ces valeurs sont des exemples utilisés pour ce didacticiel. Lorsque vous créez des règles pour votre propre détecteur, utilisez des valeurs adaptées à votre modèle et à votre cas d'utilisation,

  9. Après avoir créé les trois règles, choisissez Next.

    Pour plus d'informations sur la création et la rédaction de règles, reportez-vous aux Règles sections etRéférence du langage des règles.

Une règle est une condition qui indique à Amazon Fraud Detector comment interpréter le score de performance d'un modèle lors d'une évaluation visant à prédire les fraudes. Dans le cadre de ce didacticiel, vous allez créer trois règles : high_fraud_riskmedium_fraud_risk, etlow_fraud_risk.

  1. Sur la page Ajouter des règles, sous Définir une règle, entrez high_fraud_risk le nom de la règle et sous Description (facultatif), entrez This rule captures events with a high ML model score la description de la règle.

  2. Dans Expression, entrez l'expression de règle suivante en utilisant le langage d'expression de règles simplifié d'Amazon Fraud Detector :

    $sample_fraud_detection_model_insightscore > 900

  3. Dans Résultats, choisissez Créer un nouveau résultat. Un résultat est le résultat d'une prédiction de fraude et est renvoyé si la règle correspond lors d'une évaluation.

  4. Dans Créer un nouveau résultat, entrez le verify_customer nom du résultat. Entrez éventuellement une description.

  5. Choisissez Enregistrer le résultat.

  6. Choisissez Ajouter une règle pour exécuter le vérificateur de validation des règles et enregistrer la règle. Une fois la règle créée, Amazon Fraud Detector met la règle à votre disposition pour qu'elle puisse être utilisée dans votre détecteur.

  7. Choisissez Ajouter une autre règle, puis cliquez sur l'onglet Créer une règle.

  8. Répétez ce processus deux fois de plus pour créer vos low_fraud_risk règles medium_fraud_risk and à l'aide des détails suivants :

    • risque_de_fraude moyen

      Nom de la règle : medium_fraud_risk

      Résultat : review

      Expression :

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • faible risque de fraude

      Nom de la règle : low_fraud_risk

      Résultat : approve

      Expression :

      $sample_fraud_detection_model_insightscore <= 700

    Ces valeurs sont des exemples utilisés pour ce didacticiel. Lorsque vous créez des règles pour votre propre détecteur, utilisez des valeurs adaptées à votre modèle et à votre cas d'utilisation,

  9. Après avoir créé les trois règles, choisissez Next.

    Pour plus d'informations sur la création et la rédaction de règles, reportez-vous aux Règles sections etRéférence du langage des règles.

Le mode d'exécution des règles incluses dans le détecteur détermine si toutes les règles que vous définissez sont évaluées ou si l'évaluation des règles s'arrête à la première règle correspondante. Et l'ordre des règles détermine l'ordre dans lequel vous souhaitez que la règle soit exécutée.

Le mode d'exécution des règles par défaut estFIRST_MATCHED.

Premier appariement

Le mode d'exécution de la première règle correspondante renvoie les résultats de la première règle correspondante en fonction de l'ordre des règles défini. Si vous spécifiez FIRST_MATCHED, Amazon Fraud Detector évalue les règles de manière séquentielle, de la première à la dernière, en s'arrêtant à la première règle correspondante. Amazon Fraud Detector fournit ensuite les résultats pour cette seule règle.

L'ordre dans lequel vous exécutez les règles peut avoir une incidence sur le résultat de la prédiction des fraudes. Après avoir créé vos règles, réorganisez-les pour les exécuter dans l'ordre souhaité en procédant comme suit :

Si votre high_fraud_risk règle ne figure pas déjà en haut de votre liste de règles, choisissez Ordre, puis choisissez 1. Cela passe high_fraud_risk à la première position.

Répétez ce processus pour que votre medium_fraud_risk règle soit en deuxième position et votre low_fraud_risk règle en troisième position.

Tous assortis

Le mode d'exécution de toutes les règles correspondantes renvoie les résultats pour toutes les règles correspondantes, quel que soit l'ordre des règles. Si vous le spécifiezALL_MATCHED, Amazon Fraud Detector évalue toutes les règles et renvoie les résultats pour toutes les règles correspondantes.

Sélectionnez FIRST_MATCHED ce didacticiel, puis cliquez sur Suivant.

Le mode d'exécution des règles incluses dans le détecteur détermine si toutes les règles que vous définissez sont évaluées ou si l'évaluation des règles s'arrête à la première règle correspondante. Et l'ordre des règles détermine l'ordre dans lequel vous souhaitez que la règle soit exécutée.

Le mode d'exécution des règles par défaut estFIRST_MATCHED.

Premier appariement

Le mode d'exécution de la première règle correspondante renvoie les résultats de la première règle correspondante en fonction de l'ordre des règles défini. Si vous spécifiez FIRST_MATCHED, Amazon Fraud Detector évalue les règles de manière séquentielle, de la première à la dernière, en s'arrêtant à la première règle correspondante. Amazon Fraud Detector fournit ensuite les résultats pour cette seule règle.

L'ordre dans lequel vous exécutez les règles peut avoir une incidence sur le résultat de la prédiction des fraudes. Après avoir créé vos règles, réorganisez-les pour les exécuter dans l'ordre souhaité en procédant comme suit :

Si votre high_fraud_risk règle ne figure pas déjà en haut de votre liste de règles, choisissez Ordre, puis choisissez 1. Cela passe high_fraud_risk à la première position.

Répétez ce processus pour que votre medium_fraud_risk règle soit en deuxième position et votre low_fraud_risk règle en troisième position.

Tous assortis

Le mode d'exécution de toutes les règles correspondantes renvoie les résultats pour toutes les règles correspondantes, quel que soit l'ordre des règles. Si vous le spécifiezALL_MATCHED, Amazon Fraud Detector évalue toutes les règles et renvoie les résultats pour toutes les règles correspondantes.

Sélectionnez FIRST_MATCHED ce didacticiel, puis cliquez sur Suivant.

Une version du détecteur définit les modèles et règles spécifiques utilisés pour générer des prédictions de fraude.

  1. Sur la page Réviser et créer, passez en revue les détails du détecteur, les modèles et les règles que vous avez configurés. Si vous devez apporter des modifications, choisissez Modifier à côté de la section correspondante.

  2. Choisissez Créer un détecteur. Une fois créée, la première version de votre détecteur apparaît dans le tableau des versions du détecteur avec Draft son état.

    Vous utilisez la version Brouillon pour tester votre détecteur.

Une version du détecteur définit les modèles et règles spécifiques utilisés pour générer des prédictions de fraude.

  1. Sur la page Réviser et créer, passez en revue les détails du détecteur, les modèles et les règles que vous avez configurés. Si vous devez apporter des modifications, choisissez Modifier à côté de la section correspondante.

  2. Choisissez Créer un détecteur. Une fois créée, la première version de votre détecteur apparaît dans le tableau des versions du détecteur avec Draft son état.

    Vous utilisez la version Brouillon pour tester votre détecteur.

Dans la console Amazon Fraud Detector, vous pouvez tester la logique de votre détecteur à l'aide de données fictives grâce à la fonctionnalité Run test. Pour ce didacticiel, vous pouvez utiliser les données d'enregistrement de compte issues de l'exemple de jeu de données.

  1. Faites défiler la page jusqu'à Exécuter le test en bas de la page de détails de la version du détecteur.

  2. Pour les métadonnées d'événement, entrez un horodatage indiquant le moment où l'événement s'est produit et entrez un identifiant unique pour l'entité qui réalise l'événement. Pour ce didacticiel, sélectionnez une date dans le sélecteur de date pour l'horodatage et entrez « 1234 » pour l'ID d'entité.

  3. Pour Variable d'événement, entrez les valeurs des variables que vous souhaitez tester. Pour ce didacticiel, vous n'avez besoin que ip_address des email_address champs et. En effet, ce sont les entrées qui sont utilisées pour entraîner votre modèle Amazon Fraud Detector. Vous pouvez utiliser les exemples de valeurs suivants. Cela suppose que vous avez utilisé les noms de variables suggérés :

    • adresse_IP : 205.251.233.178

    • adresse_e-mail : johndoe@exampledomain.com

  4. Choisissez Exécuter un test.

  5. Amazon Fraud Detector renvoie le résultat de la prédiction des fraudes en fonction du mode d'exécution des règles. Si le mode d'exécution de la règle est activéFIRST_MATCHED, le résultat renvoyé correspond à la première règle correspondante. La première règle est celle qui a la priorité la plus élevée. Il correspond s'il est évalué comme vrai. Si le mode d'exécution des règles est activéALL_MATCHED, le résultat renvoyé correspond à toutes les règles correspondantes. Cela signifie qu'ils sont tous évalués comme étant vrais. Amazon Fraud Detector renvoie également le score du modèle pour tous les modèles ajoutés à votre détecteur.

    Vous pouvez modifier les entrées et exécuter quelques tests pour obtenir des résultats différents. Vous pouvez utiliser les valeurs ip_address et email_address de votre exemple de jeu de données pour les tests et vérifier si les résultats sont conformes aux attentes.

  6. Lorsque vous êtes satisfait du fonctionnement du détecteur, promouvez-le de Draft àActive. Cela rend le détecteur disponible pour une utilisation dans le cadre de la détection des fraudes en temps réel.

    Sur la page des détails de la version du détecteur, choisissez Actions, Publier, Publier la version. Cela fait passer le statut du détecteur de brouillon à actif.

    À ce stade, votre modèle et la logique de détection associée sont prêts à évaluer les activités en ligne pour détecter la fraude en temps réel à l'aide de l'GetEventPredictionAPI Amazon Fraud Detector. Vous pouvez également évaluer les événements hors ligne à l'aide d'un fichier d'entrée CSV et de l'CreateBatchPredictionJobAPI. Pour plus d'informations sur la prévision des fraudes, voir Prédictions de fraude

En suivant ce didacticiel, vous avez effectué les opérations suivantes :

  • Un exemple de jeu de données d'événements a été chargé sur Amazon S3.

  • Création et formation d'un modèle de détection des fraudes Amazon Fraud Detector à l'aide de l'exemple de jeu de données.

  • J'ai consulté le score de performance du modèle et les autres indicateurs de performance générés par Amazon Fraud Detector.

  • Déploiement du modèle de détection des fraudes.

  • Création d'un détecteur et ajout du modèle déployé.

  • Les règles, l'ordre d'exécution des règles et les résultats ont été ajoutés au détecteur.

  • J'ai testé le détecteur en fournissant différentes entrées et en vérifiant si les règles et l'ordre d'exécution des règles fonctionnaient comme prévu.

  • J'ai activé le détecteur en le publiant.

Dans la console Amazon Fraud Detector, vous pouvez tester la logique de votre détecteur à l'aide de données fictives grâce à la fonctionnalité Run test. Pour ce didacticiel, vous pouvez utiliser les données d'enregistrement de compte issues de l'exemple de jeu de données.

  1. Faites défiler la page jusqu'à Exécuter le test en bas de la page de détails de la version du détecteur.

  2. Pour les métadonnées d'événement, entrez un horodatage indiquant le moment où l'événement s'est produit et entrez un identifiant unique pour l'entité qui réalise l'événement. Pour ce didacticiel, sélectionnez une date dans le sélecteur de date pour l'horodatage et entrez « 1234 » pour l'ID d'entité.

  3. Pour Variable d'événement, entrez les valeurs des variables que vous souhaitez tester. Pour ce didacticiel, vous n'avez besoin que ip_address des email_address champs et. En effet, ce sont les entrées qui sont utilisées pour entraîner votre modèle Amazon Fraud Detector. Vous pouvez utiliser les exemples de valeurs suivants. Cela suppose que vous avez utilisé les noms de variables suggérés :

    • adresse_IP : 205.251.233.178

    • adresse_e-mail : johndoe@exampledomain.com

  4. Choisissez Exécuter un test.

  5. Amazon Fraud Detector renvoie le résultat de la prédiction des fraudes en fonction du mode d'exécution des règles. Si le mode d'exécution de la règle est activéFIRST_MATCHED, le résultat renvoyé correspond à la première règle correspondante. La première règle est celle qui a la priorité la plus élevée. Il correspond s'il est évalué comme vrai. Si le mode d'exécution des règles est activéALL_MATCHED, le résultat renvoyé correspond à toutes les règles correspondantes. Cela signifie qu'ils sont tous évalués comme étant vrais. Amazon Fraud Detector renvoie également le score du modèle pour tous les modèles ajoutés à votre détecteur.

    Vous pouvez modifier les entrées et exécuter quelques tests pour obtenir des résultats différents. Vous pouvez utiliser les valeurs ip_address et email_address de votre exemple de jeu de données pour les tests et vérifier si les résultats sont conformes aux attentes.

  6. Lorsque vous êtes satisfait du fonctionnement du détecteur, promouvez-le de Draft àActive. Cela rend le détecteur disponible pour une utilisation dans le cadre de la détection des fraudes en temps réel.

    Sur la page des détails de la version du détecteur, choisissez Actions, Publier, Publier la version. Cela fait passer le statut du détecteur de brouillon à actif.

    À ce stade, votre modèle et la logique de détection associée sont prêts à évaluer les activités en ligne pour détecter la fraude en temps réel à l'aide de l'GetEventPredictionAPI Amazon Fraud Detector. Vous pouvez également évaluer les événements hors ligne à l'aide d'un fichier d'entrée CSV et de l'CreateBatchPredictionJobAPI. Pour plus d'informations sur la prévision des fraudes, voir Prédictions de fraude

En suivant ce didacticiel, vous avez effectué les opérations suivantes :

  • Un exemple de jeu de données d'événements a été chargé sur Amazon S3.

  • Création et formation d'un modèle de détection des fraudes Amazon Fraud Detector à l'aide de l'exemple de jeu de données.

  • J'ai consulté le score de performance du modèle et les autres indicateurs de performance générés par Amazon Fraud Detector.

  • Déploiement du modèle de détection des fraudes.

  • Création d'un détecteur et ajout du modèle déployé.

  • Les règles, l'ordre d'exécution des règles et les résultats ont été ajoutés au détecteur.

  • J'ai testé le détecteur en fournissant différentes entrées et en vérifiant si les règles et l'ordre d'exécution des règles fonctionnaient comme prévu.

  • J'ai activé le détecteur en le publiant.

ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.