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_registration
événement, 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
-
Dans le volet de navigation de gauche de la console Amazon Fraud Detector, choisissez Detectors.
-
Choisissez Créer un détecteur.
-
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
. -
Pour Type d'événement, sélectionnez sample_registration. Il s'agit de l'événement que vous avez créé dans la partie A de ce didacticiel.
-
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.
-
Dans le champ Ajouter un modèle (facultatif), sélectionnez Ajouter un modèle.
-
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.
-
Choisissez Add model.
-
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_risk
medium_fraud_risk
, etlow_fraud_risk
.
-
Sur la page Ajouter des règles, sous Définir une règle, entrez
high_fraud_risk
le nom de la règle et sous Description (facultatif), entrezThis rule captures events with a high ML model score
la description de la règle. -
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
-
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.
-
Dans Créer un nouveau résultat, entrez le
verify_customer
nom du résultat. Entrez éventuellement une description. -
Choisissez Enregistrer le résultat.
-
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.
-
Choisissez Ajouter une autre règle, puis cliquez sur l'onglet Créer une règle.
-
Répétez ce processus deux fois de plus pour créer vos
low_fraud_risk
règlesmedium_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,
-
-
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 passehigh_fraud_risk
à la première position.Répétez ce processus pour que votre
medium_fraud_risk
règle soit en deuxième position et votrelow_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 spécifiez
ALL_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.
-
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.
-
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.
-
Faites défiler la page jusqu'à Exécuter le test en bas de la page de détails de la version du détecteur.
-
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.
-
Pour Variable d'événement, entrez les valeurs des variables que vous souhaitez tester. Pour ce didacticiel, vous n'avez besoin que
ip_address
desemail_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
-
-
Choisissez Exécuter un test.
-
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 activé
FIRST_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.
-
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'
GetEventPrediction
API Amazon Fraud Detector. Vous pouvez également évaluer les événements hors ligne à l'aide d'un fichier d'entrée CSV et de l'CreateBatchPredictionJob
API. 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.