Partie B : 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.

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.

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.

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.

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