Parte B: Generazione di previsioni sulle frodi - Amazon Fraud Detector

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Parte B: Generazione di previsioni sulle frodi

La previsione delle frodi è una valutazione delle frodi per un'attività aziendale (evento). Amazon Fraud Detector utilizza i rilevatori per generare previsioni di frode. Un rilevatore contiene una logica di rilevamento, ad esempio modelli e regole, per un evento specifico che si desidera valutare per frode. La logica di rilevamento utilizza regole per indicare ad Amazon Fraud Detector come interpretare i dati associati al modello. In questo tutorial, valuti l'evento di registrazione dell'account utilizzando il set di dati di esempio di registrazione dell'account che hai caricato in precedenza.

Nella Parte A, hai creato, addestrato e distribuito il tuo modello. Nella parte B, si crea un rilevatore per il tipo disample_registration evento, si aggiunge il modello distribuito, si creano regole e un ordine di esecuzione delle regole, quindi si crea e si attiva una versione del rilevatore da utilizzare per generare previsioni di frode.

Per creare un rivelatore

  1. Nel pannello di navigazione a sinistra della console Amazon Fraud Detector, seleziona Detettori.

  2. Scegli Crea rilevatore.

  3. Nella pagina Definisci i dettagli del rilevatore, inseriscisample_detector il nome del rilevatore. Facoltativamente, inserisci una descrizione del rivelatore, ad esempiomy sample fraud detector.

  4. Per Tipo di evento, seleziona sample_registration. Questo è l'evento che hai creato nella parte A di questo tutorial.

  5. Seleziona Successivo.

Se hai completato la parte A di questo tutorial, probabilmente hai già un modello Amazon Fraud Detector che puoi aggiungere al tuo rilevatore. Se non hai già creato un modello, vai alla Parte A e completa i passaggi per creare, addestrare e distribuire un modello, quindi continua con la Parte B.

  1. In Aggiungi modello - opzionale, scegli Aggiungi modello.

  2. Nella pagina Aggiungi modello, per Seleziona modello, scegli il nome del modello Amazon Fraud Detector che hai distribuito in precedenza. Per Seleziona la versione, scegli la versione del modello distribuito.

  3. Scegliere Add model (Aggiungi modello).

  4. Seleziona Successivo.

Una regola è una condizione che indica ad Amazon Fraud Detector come interpretare il punteggio di performance del modello nella valutazione della previsione di frode. Per questo tutorial, crei tre regole:high_fraud_risk,medium_fraud_risk, elow_fraud_risk.

  1. Nella pagina Aggiungi regole, in Definisci una regola, inseriscihigh_fraud_risk il nome della regola e in Descrizione - opzionale, inserisciThis rule captures events with a high ML model score come descrizione della regola.

  2. In Espressione, inserisci la seguente espressione di regola utilizzando il linguaggio semplificato delle espressioni delle regole di Amazon Fraud Detector:

    $sample_fraud_detection_model_insightscore > 900

  3. In Risultati, scegli Crea un nuovo risultato. Un risultato è il risultato di una previsione fraudolenta e viene restituito se la regola corrisponde durante una valutazione.

  4. In Crea un nuovo risultato, inserisciverify_customer come nome del risultato. Facoltativamente, inserisci una descrizione.

  5. Scegli Salva risultato.

  6. Scegli Aggiungi regola per eseguire il controllo di convalida delle regole e salvare la regola. Dopo la creazione, Amazon Fraud Detector rende la regola disponibile per l'uso nel rilevatore.

  7. Scegli Aggiungi un'altra regola, quindi scegli la scheda Crea regola.

  8. Ripeti questa procedura altre due volte per creare le tuelow_fraud_risk regolemedium_fraud_risk e utilizzando i seguenti dettagli:

    • rischio di frode medio

      Nome della regola:medium_fraud_risk

      Esito:review

      Espressione:

      $sample_fraud_detection_model_insightscore <= 900 and

      $sample_fraud_detection_model_insightscore > 700

    • basso rischio di frode

      Nome della regola:low_fraud_risk

      Esito:approve

      Espressione:

      $sample_fraud_detection_model_insightscore <= 700

    Questi valori sono esempi usati per questo tutorial. Quando crei regole per il tuo rilevatore, usa valori appropriati per il tuo modello e il tuo caso d'uso,

  9. Dopo aver creato tutte e tre le regole, scegli Avanti.

    Per ulteriori informazioni sulla creazione e la scrittura di regole, consultaRegolamento eRiferimento linguistico delle regole.

La modalità di esecuzione delle regole incluse nel rilevatore determina se tutte le regole definite vengono valutate o se la valutazione delle regole si ferma alla prima regola corrispondente. E l'ordine delle regole determina l'ordine in cui desideri che la regola venga eseguita.

La modalità di esecuzione delle regole predefinita èFIRST_MATCHED.

Primo abbinamento

La modalità di esecuzione della prima regola corrispondente restituisce i risultati per la prima regola corrispondente in base all'ordine delle regole definito. Se si specifica FIRST_MATCHED, Amazon Fraud Detector valuta le regole in sequenza, dalla prima all'ultima, fermandosi alla prima regola corrispondente. Amazon Fraud Detector fornisce quindi i risultati per quella singola regola.

L'ordine in cui vengono eseguite le regole può influire sull'esito della previsione delle frodi risultante. Dopo aver creato le regole, riordina le regole per eseguirle nell'ordine desiderato seguendo questi passaggi:

Se la tuahigh_fraud_risk regola non è già in cima all'elenco delle regole, scegli Ordina, quindi scegli 1. Si passahigh_fraud_risk alla prima posizione.

Ripeti questa procedura in modo che la tuamedium_fraud_risk regola sia nella seconda posizione e la tualow_fraud_risk regola sia nella terza posizione.

Tutti abbinati

La modalità di esecuzione di tutte le regole corrispondenti restituisce i risultati per tutte le regole corrispondenti, indipendentemente dall'ordine delle regole. Se l'utente specificaALL_MATCHED, Amazon Fraud Detector valuta tutte le regole e restituisce i risultati per tutte le regole corrispondenti.

SelezionaFIRST_MATCHED questo tutorial, quindi scegli Avanti.

Una versione detector definisce i modelli e le regole specifici utilizzati per generare previsioni di frode.

  1. Nella pagina Rivedi e crea, esamina i dettagli, i modelli e le regole del rilevatore che hai configurato. Se devi apportare modifiche, scegli Modifica accanto alla sezione corrispondente.

  2. Scegli Crea rilevatore. Dopo la creazione, la prima versione del rilevatore viene visualizzata nella tabella Versioni del rilevatore conDraft lo stato.

    Utilizzi la versione Draft per testare il tuo Detector.

Nella console Amazon Fraud Detector, puoi testare la logica del tuo rilevatore utilizzando dati fittizi con la funzione Esegui test. Per questo tutorial, puoi utilizzare i dati di registrazione dell'account dal set di dati di esempio.

  1. Scorri fino a Esegui test nella parte inferiore della pagina dei dettagli della versione del rilevatore.

  2. Per i metadati dell'evento, inserisci un timestamp di quando si è verificato l'evento e inserisci un identificatore univoco per l'entità che esegue l'evento. Per questo tutorial, seleziona una data dal selettore di date per il timestamp e inserisci «1234» per l'ID dell'entità.

  3. In Variabile evento, inserisci i valori della variabile che desideri testare. Per questo tutorial, sono necessari solo iemail_address campiip_address e. Questo perché sono gli input utilizzati per addestrare il tuo modello Amazon Fraud Detector. Puoi utilizzare i seguenti valori di esempio. Ciò presuppone che tu abbia usato i nomi delle variabili suggeriti:

    • indirizzo_ip:205.251.233.178

    • indirizzo_email:johndoe@exampledomain.com

  4. Scegli Esegui test.

  5. Amazon Fraud Detector restituisce l'esito della previsione delle frodi in base alla modalità di esecuzione delle regole. Se la modalità di esecuzione della regola èFIRST_MATCHED, il risultato restituito corrisponde alla prima regola corrispondente. La prima regola è quella con la massima priorità. È corrispondente se viene valutato come vero. Se la modalità di esecuzione delle regole èALL_MATCHED, il risultato restituito corrisponde a tutte le regole corrispondenti. Ciò significa che sono tutte valutate come vere. Amazon Fraud Detector restituisce anche il punteggio del modello per tutti i modelli aggiunti al rilevatore.

    Puoi modificare gli input ed eseguire un paio di test per vedere risultati diversi. Puoi utilizzare i valori ip_address ed email_address del tuo set di dati di esempio per i test e verificare se i risultati sono quelli previsti.

  6. Quando sei soddisfatto del funzionamento del rilevatore, promuovilo daDraft aActive. In questo modo il rilevatore è disponibile per l'uso nel rilevamento delle frodi in tempo reale.

    Nella pagina dei dettagli della versione del rilevatore, scegli Azioni, Pubblica, Versione pubblica. Questo modifica lo stato del rilevatore da Bozza a Attivo.

    A questo punto, il tuo modello e la logica di rilevamento associata sono pronti per valutare le attività online alla ricerca di frodi in tempo reale utilizzando l'GetEventPredictionAPI Amazon Fraud Detector. Puoi anche valutare gli eventi offline utilizzando un file di input CSV e l'CreateBatchPredictionJobAPI. Per ulteriori informazioni sulla previsione delle frodi, consultaPrevisioni di frode

Completando questo tutorial, l'utente ha eseguito le seguenti operazioni:

  • Ha caricato un set di dati di esempio in Amazon S3.

  • Ha creato e addestrato un modello di rilevamento delle frodi Amazon Fraud Detector utilizzando il set di dati di esempio.

  • Ho visualizzato il punteggio delle prestazioni del modello e altre metriche di performance generate da Amazon Fraud Detector.

  • Implementato il modello di rilevamento delle frodi.

  • Ha creato un rilevatore e aggiunto il modello distribuito.

  • Sono state aggiunte le regole, l'ordine di esecuzione delle regole e i risultati al rilevatore.

  • Ho testato il rilevatore fornendo diversi input e controllando se le regole e l'ordine di esecuzione delle regole funzionavano come previsto.

  • Hai attivato il rilevatore pubblicandolo.