Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Preferensi
Hubungi Kami
Umpan Balik
AWS Documentation
Buat Akun AWS

Bagian B: Menghasilkan prediksi penipuan

PDF
RSS
Mode fokus
Bagian B: Menghasilkan prediksi penipuan - Amazon Fraud Detector

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Prediksi penipuan adalah evaluasi penipuan untuk suatu kegiatan bisnis (event). Amazon Fraud Detector menggunakan detektor untuk menghasilkan prediksi penipuan. Detektor berisi logika deteksi, seperti model dan aturan, untuk peristiwa tertentu yang ingin Anda evaluasi untuk penipuan. Logika deteksi menggunakan aturan untuk memberi tahu Amazon Fraud Detector cara menafsirkan data yang terkait dengan model. Dalam tutorial ini, Anda mengevaluasi acara pendaftaran akun menggunakan dataset contoh pendaftaran akun yang Anda unggah sebelumnya.

Di Bagian A, Anda membuat, melatih, dan menerapkan model Anda. Di Bagian B, Anda membuat detektor untuk jenis sample_registration peristiwa, menambahkan model yang diterapkan, membuat aturan, dan urutan eksekusi aturan, lalu membuat dan mengaktifkan versi detektor yang Anda gunakan untuk menghasilkan prediksi penipuan.

Untuk membuat detektor

  1. Di panel navigasi kiri konsol Amazon Fraud Detector, pilih Detektor.

  2. Pilih Buat detektor.

  3. Di halaman Tentukan detail detektor, masukkan sample_detector nama detektor. Secara opsional, masukkan deskripsi untuk detektor, sepertimy sample fraud detector.

  4. Untuk Jenis Acara, pilih sample_registration. Ini adalah acara yang Anda buat di Bagian A dari tutorial ini.

  5. Pilih Berikutnya.

Untuk membuat detektor

  1. Di panel navigasi kiri konsol Amazon Fraud Detector, pilih Detektor.

  2. Pilih Buat detektor.

  3. Di halaman Tentukan detail detektor, masukkan sample_detector nama detektor. Secara opsional, masukkan deskripsi untuk detektor, sepertimy sample fraud detector.

  4. Untuk Jenis Acara, pilih sample_registration. Ini adalah acara yang Anda buat di Bagian A dari tutorial ini.

  5. Pilih Berikutnya.

Jika Anda menyelesaikan Bagian A dari tutorial ini, maka Anda mungkin sudah memiliki model Amazon Fraud Detector yang tersedia untuk ditambahkan ke detektor Anda. Jika Anda belum membuat model, buka Bagian A dan selesaikan langkah-langkah untuk membuat, melatih, dan menerapkan model dan kemudian lanjutkan dengan Bagian B.

  1. Dalam model Tambah - opsional, pilih Tambah Model.

  2. Di halaman Tambah model, untuk Pilih model, pilih nama model Amazon Fraud Detector yang Anda gunakan sebelumnya. Untuk versi Pilih, pilih versi model model yang digunakan.

  3. Pilih Tambah model.

  4. Pilih Berikutnya.

Jika Anda menyelesaikan Bagian A dari tutorial ini, maka Anda mungkin sudah memiliki model Amazon Fraud Detector yang tersedia untuk ditambahkan ke detektor Anda. Jika Anda belum membuat model, buka Bagian A dan selesaikan langkah-langkah untuk membuat, melatih, dan menerapkan model dan kemudian lanjutkan dengan Bagian B.

  1. Dalam model Tambah - opsional, pilih Tambah Model.

  2. Di halaman Tambah model, untuk Pilih model, pilih nama model Amazon Fraud Detector yang Anda gunakan sebelumnya. Untuk versi Pilih, pilih versi model model yang digunakan.

  3. Pilih Tambah model.

  4. Pilih Berikutnya.

Aturan adalah kondisi yang memberi tahu Amazon Fraud Detector bagaimana menafsirkan skor kinerja model saat mengevaluasi prediksi penipuan. Untuk tutorial ini, Anda membuat tiga aturan:high_fraud_risk,medium_fraud_risk, danlow_fraud_risk.

  1. Di halaman Tambahkan aturan, di bawah Tentukan aturan, masukkan high_fraud_risk untuk nama aturan dan di bawah Deskripsi - opsional, masukkan This rule captures events with a high ML model score sebagai deskripsi untuk aturan.

  2. Dalam Ekspresi, masukkan ekspresi aturan berikut menggunakan bahasa ekspresi aturan yang disederhanakan oleh Amazon Fraud Detector:

    $sample_fraud_detection_model_insightscore > 900

  3. Dalam Hasil, pilih Buat hasil baru. Hasil adalah hasil dari prediksi penipuan dan dikembalikan jika aturan cocok selama evaluasi.

  4. Di Buat hasil baru, masukkan verify_customer sebagai nama hasil. Secara opsional, masukkan deskripsi.

  5. Pilih Simpan hasil.

  6. Pilih Tambahkan aturan untuk menjalankan pemeriksa validasi aturan dan menyimpan aturan. Setelah dibuat, Amazon Fraud Detector membuat aturan tersedia untuk digunakan di detektor Anda.

  7. Pilih Tambahkan aturan lain, lalu pilih tab Buat aturan.

  8. Ulangi proses ini dua kali lagi untuk membuat low_fraud_risk aturan medium_fraud_risk dan aturan Anda menggunakan detail aturan berikut:

    • medium_fraud_risk

      Nama aturan: medium_fraud_risk

      Hasil: review

      Ekspresi:

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • low_fraud_risk

      Nama aturan: low_fraud_risk

      Hasil: approve

      Ekspresi:

      $sample_fraud_detection_model_insightscore <= 700

    Nilai-nilai ini adalah contoh yang digunakan untuk tutorial ini. Saat Anda membuat aturan untuk detektor Anda sendiri, gunakan nilai yang sesuai untuk model dan kasus penggunaan Anda,

  9. Setelah Anda membuat ketiga aturan, pilih Berikutnya.

    Untuk informasi selengkapnya tentang membuat dan menulis aturan, lihat Aturan danReferensi bahasa aturan.

Aturan adalah kondisi yang memberi tahu Amazon Fraud Detector bagaimana menafsirkan skor kinerja model saat mengevaluasi prediksi penipuan. Untuk tutorial ini, Anda membuat tiga aturan:high_fraud_risk,medium_fraud_risk, danlow_fraud_risk.

  1. Di halaman Tambahkan aturan, di bawah Tentukan aturan, masukkan high_fraud_risk untuk nama aturan dan di bawah Deskripsi - opsional, masukkan This rule captures events with a high ML model score sebagai deskripsi untuk aturan.

  2. Dalam Ekspresi, masukkan ekspresi aturan berikut menggunakan bahasa ekspresi aturan yang disederhanakan oleh Amazon Fraud Detector:

    $sample_fraud_detection_model_insightscore > 900

  3. Dalam Hasil, pilih Buat hasil baru. Hasil adalah hasil dari prediksi penipuan dan dikembalikan jika aturan cocok selama evaluasi.

  4. Di Buat hasil baru, masukkan verify_customer sebagai nama hasil. Secara opsional, masukkan deskripsi.

  5. Pilih Simpan hasil.

  6. Pilih Tambahkan aturan untuk menjalankan pemeriksa validasi aturan dan menyimpan aturan. Setelah dibuat, Amazon Fraud Detector membuat aturan tersedia untuk digunakan di detektor Anda.

  7. Pilih Tambahkan aturan lain, lalu pilih tab Buat aturan.

  8. Ulangi proses ini dua kali lagi untuk membuat low_fraud_risk aturan medium_fraud_risk dan aturan Anda menggunakan detail aturan berikut:

    • medium_fraud_risk

      Nama aturan: medium_fraud_risk

      Hasil: review

      Ekspresi:

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • low_fraud_risk

      Nama aturan: low_fraud_risk

      Hasil: approve

      Ekspresi:

      $sample_fraud_detection_model_insightscore <= 700

    Nilai-nilai ini adalah contoh yang digunakan untuk tutorial ini. Saat Anda membuat aturan untuk detektor Anda sendiri, gunakan nilai yang sesuai untuk model dan kasus penggunaan Anda,

  9. Setelah Anda membuat ketiga aturan, pilih Berikutnya.

    Untuk informasi selengkapnya tentang membuat dan menulis aturan, lihat Aturan danReferensi bahasa aturan.

Mode eksekusi aturan untuk aturan yang disertakan dalam detektor menentukan apakah semua aturan yang Anda tetapkan dievaluasi, atau jika evaluasi aturan berhenti pada aturan pertama yang cocok. Dan urutan aturan menentukan urutan yang Anda inginkan untuk menjalankan aturan.

Mode eksekusi aturan default adalahFIRST_MATCHED.

Pertama cocok

Mode eksekusi aturan pertama yang cocok mengembalikan hasil untuk aturan pencocokan pertama berdasarkan urutan aturan yang ditentukan. Jika Anda menentukan FIRST_MATCHED, Amazon Fraud Detector mengevaluasi aturan secara berurutan, pertama hingga terakhir, dengan berhenti pada aturan pertama yang cocok. Amazon Fraud Detector kemudian memberikan hasil untuk aturan tunggal itu.

Urutan yang Anda jalankan aturan dapat memengaruhi hasil prediksi penipuan yang dihasilkan. Setelah Anda membuat aturan, pesan ulang aturan untuk menjalankannya dalam urutan yang diinginkan dengan mengikuti langkah-langkah berikut:

Jika high_fraud_risk aturan Anda belum berada di bagian atas daftar aturan Anda, pilih Pesanan, lalu pilih 1. Ini bergerak high_fraud_risk ke posisi pertama.

Ulangi proses ini sehingga medium_fraud_risk aturan Anda berada di posisi kedua dan low_fraud_risk aturan Anda berada di posisi ketiga.

Semua cocok

Semua mode eksekusi aturan yang cocok mengembalikan hasil untuk semua aturan yang cocok, terlepas dari urutan aturan. Jika Anda menentukanALL_MATCHED, Amazon Fraud Detector mengevaluasi semua aturan dan mengembalikan hasil untuk semua aturan yang cocok.

Pilih FIRST_MATCHED tutorial ini dan kemudian pilih Berikutnya.

Mode eksekusi aturan untuk aturan yang disertakan dalam detektor menentukan apakah semua aturan yang Anda tetapkan dievaluasi, atau jika evaluasi aturan berhenti pada aturan pertama yang cocok. Dan urutan aturan menentukan urutan yang Anda inginkan untuk menjalankan aturan.

Mode eksekusi aturan default adalahFIRST_MATCHED.

Pertama cocok

Mode eksekusi aturan pertama yang cocok mengembalikan hasil untuk aturan pencocokan pertama berdasarkan urutan aturan yang ditentukan. Jika Anda menentukan FIRST_MATCHED, Amazon Fraud Detector mengevaluasi aturan secara berurutan, pertama hingga terakhir, dengan berhenti pada aturan pertama yang cocok. Amazon Fraud Detector kemudian memberikan hasil untuk aturan tunggal itu.

Urutan yang Anda jalankan aturan dapat memengaruhi hasil prediksi penipuan yang dihasilkan. Setelah Anda membuat aturan, pesan ulang aturan untuk menjalankannya dalam urutan yang diinginkan dengan mengikuti langkah-langkah berikut:

Jika high_fraud_risk aturan Anda belum berada di bagian atas daftar aturan Anda, pilih Pesanan, lalu pilih 1. Ini bergerak high_fraud_risk ke posisi pertama.

Ulangi proses ini sehingga medium_fraud_risk aturan Anda berada di posisi kedua dan low_fraud_risk aturan Anda berada di posisi ketiga.

Semua cocok

Semua mode eksekusi aturan yang cocok mengembalikan hasil untuk semua aturan yang cocok, terlepas dari urutan aturan. Jika Anda menentukanALL_MATCHED, Amazon Fraud Detector mengevaluasi semua aturan dan mengembalikan hasil untuk semua aturan yang cocok.

Pilih FIRST_MATCHED tutorial ini dan kemudian pilih Berikutnya.

Versi detektor mendefinisikan model dan aturan spesifik yang digunakan untuk menghasilkan prediksi penipuan.

  1. Di halaman Tinjau dan buat, tinjau detail detektor, model, dan aturan yang Anda konfigurasikan. Jika Anda perlu membuat perubahan, pilih Edit di sebelah bagian yang sesuai.

  2. Pilih Buat detektor. Setelah dibuat, versi pertama detektor Anda muncul di tabel versi Detektor dengan Draft status.

    Anda menggunakan versi Draft untuk menguji Detektor Anda.

Versi detektor mendefinisikan model dan aturan spesifik yang digunakan untuk menghasilkan prediksi penipuan.

  1. Di halaman Tinjau dan buat, tinjau detail detektor, model, dan aturan yang Anda konfigurasikan. Jika Anda perlu membuat perubahan, pilih Edit di sebelah bagian yang sesuai.

  2. Pilih Buat detektor. Setelah dibuat, versi pertama detektor Anda muncul di tabel versi Detektor dengan Draft status.

    Anda menggunakan versi Draft untuk menguji Detektor Anda.

Di konsol Amazon Fraud Detector, Anda dapat menguji logika detektor menggunakan data tiruan dengan fitur Run test. Untuk tutorial ini, Anda dapat menggunakan data pendaftaran akun dari contoh dataset.

  1. Gulir ke Jalankan pengujian di bagian bawah halaman detail versi Detektor.

  2. Untuk metadata Peristiwa, masukkan stempel waktu kapan peristiwa terjadi dan masukkan pengenal unik untuk entitas yang melakukan acara tersebut. Untuk tutorial ini, pilih tanggal dari pemilih tanggal untuk stempel waktu, dan masukkan “1234" untuk ID Entity.

  3. Untuk variabel Peristiwa, masukkan nilai variabel yang ingin Anda uji. Untuk tutorial ini, Anda hanya perlu email_address bidang ip_address dan. Ini karena mereka adalah input yang digunakan untuk melatih model Amazon Fraud Detector Anda. Anda dapat menggunakan contoh nilai berikut. Ini mengasumsikan bahwa Anda menggunakan nama variabel yang disarankan:

    • ip_alamat: 205.251.233.178

    • email_alamat: johndoe@exampledomain.com

  4. Memilih Menjalankan pengujian.

  5. Amazon Fraud Detector mengembalikan hasil prediksi penipuan berdasarkan mode eksekusi aturan. Jika mode eksekusi aturanFIRST_MATCHED, hasil yang dikembalikan sesuai dengan aturan pertama yang cocok. Aturan pertama adalah aturan dengan prioritas tertinggi. Ini cocok jika dievaluasi sebagai benar. Jika mode eksekusi aturanALL_MATCHED, hasil yang dikembalikan sesuai dengan semua aturan yang cocok. Itu berarti bahwa mereka semua dievaluasi untuk menjadi kenyataan. Amazon Fraud Detector juga mengembalikan skor model untuk setiap model yang ditambahkan ke detektor Anda.

    Anda dapat mengubah input dan menjalankan beberapa tes untuk melihat hasil yang berbeda. Anda dapat menggunakan nilai ip_address dan email_address dari kumpulan data contoh Anda untuk pengujian dan memeriksa apakah hasilnya seperti yang diharapkan.

  6. Ketika Anda puas dengan cara kerja detektor, promosikan dari Draft keActive. Melakukan hal itu membuat detektor tersedia untuk digunakan dalam deteksi penipuan real-time.

    Pada halaman Detail versi Detektor, pilih Actions, Publish, Publish version. Ini mengubah status detektor dari Draft ke Active.

    Pada titik ini, model Anda dan logika detektor terkait siap mengevaluasi aktivitas online untuk penipuan secara real time menggunakan Amazon Fraud Detector GetEventPrediction API. Anda juga dapat mengevaluasi peristiwa secara offline menggunakan file input CSV dan CreateBatchPredictionJob API. Untuk informasi selengkapnya tentang prediksi penipuan, lihat Prediksi penipuan

Dengan menyelesaikan tutorial ini, Anda melakukan hal berikut:

  • Mengunggah contoh dataset peristiwa ke Amazon S3.

  • Membuat dan melatih model deteksi penipuan Amazon Fraud Detector menggunakan contoh dataset.

  • Melihat skor kinerja model dan metrik kinerja lainnya yang dihasilkan Amazon Fraud Detector.

  • Menggunakan model deteksi penipuan.

  • Membuat detektor dan menambahkan model yang digunakan.

  • Menambahkan aturan, urutan eksekusi aturan, dan hasil ke detektor.

  • Menguji detektor dengan memberikan input yang berbeda dan memeriksa apakah aturan dan perintah eksekusi aturan berfungsi seperti yang diharapkan.

  • Mengaktifkan detektor dengan menerbitkannya.

Di konsol Amazon Fraud Detector, Anda dapat menguji logika detektor menggunakan data tiruan dengan fitur Run test. Untuk tutorial ini, Anda dapat menggunakan data pendaftaran akun dari contoh dataset.

  1. Gulir ke Jalankan pengujian di bagian bawah halaman detail versi Detektor.

  2. Untuk metadata Peristiwa, masukkan stempel waktu kapan peristiwa terjadi dan masukkan pengenal unik untuk entitas yang melakukan acara tersebut. Untuk tutorial ini, pilih tanggal dari pemilih tanggal untuk stempel waktu, dan masukkan “1234" untuk ID Entity.

  3. Untuk variabel Peristiwa, masukkan nilai variabel yang ingin Anda uji. Untuk tutorial ini, Anda hanya perlu email_address bidang ip_address dan. Ini karena mereka adalah input yang digunakan untuk melatih model Amazon Fraud Detector Anda. Anda dapat menggunakan contoh nilai berikut. Ini mengasumsikan bahwa Anda menggunakan nama variabel yang disarankan:

    • ip_alamat: 205.251.233.178

    • email_alamat: johndoe@exampledomain.com

  4. Memilih Menjalankan pengujian.

  5. Amazon Fraud Detector mengembalikan hasil prediksi penipuan berdasarkan mode eksekusi aturan. Jika mode eksekusi aturanFIRST_MATCHED, hasil yang dikembalikan sesuai dengan aturan pertama yang cocok. Aturan pertama adalah aturan dengan prioritas tertinggi. Ini cocok jika dievaluasi sebagai benar. Jika mode eksekusi aturanALL_MATCHED, hasil yang dikembalikan sesuai dengan semua aturan yang cocok. Itu berarti bahwa mereka semua dievaluasi untuk menjadi kenyataan. Amazon Fraud Detector juga mengembalikan skor model untuk setiap model yang ditambahkan ke detektor Anda.

    Anda dapat mengubah input dan menjalankan beberapa tes untuk melihat hasil yang berbeda. Anda dapat menggunakan nilai ip_address dan email_address dari kumpulan data contoh Anda untuk pengujian dan memeriksa apakah hasilnya seperti yang diharapkan.

  6. Ketika Anda puas dengan cara kerja detektor, promosikan dari Draft keActive. Melakukan hal itu membuat detektor tersedia untuk digunakan dalam deteksi penipuan real-time.

    Pada halaman Detail versi Detektor, pilih Actions, Publish, Publish version. Ini mengubah status detektor dari Draft ke Active.

    Pada titik ini, model Anda dan logika detektor terkait siap mengevaluasi aktivitas online untuk penipuan secara real time menggunakan Amazon Fraud Detector GetEventPrediction API. Anda juga dapat mengevaluasi peristiwa secara offline menggunakan file input CSV dan CreateBatchPredictionJob API. Untuk informasi selengkapnya tentang prediksi penipuan, lihat Prediksi penipuan

Dengan menyelesaikan tutorial ini, Anda melakukan hal berikut:

  • Mengunggah contoh dataset peristiwa ke Amazon S3.

  • Membuat dan melatih model deteksi penipuan Amazon Fraud Detector menggunakan contoh dataset.

  • Melihat skor kinerja model dan metrik kinerja lainnya yang dihasilkan Amazon Fraud Detector.

  • Menggunakan model deteksi penipuan.

  • Membuat detektor dan menambahkan model yang digunakan.

  • Menambahkan aturan, urutan eksekusi aturan, dan hasil ke detektor.

  • Menguji detektor dengan memberikan input yang berbeda dan memeriksa apakah aturan dan perintah eksekusi aturan berfungsi seperti yang diharapkan.

  • Mengaktifkan detektor dengan menerbitkannya.

PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.