翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
不正予測は、ビジネスアクティビティ (イベント) に対する不正の評価です。Amazon Fraud Detector は、ディテクターを使用して不正予測を生成します。ディテクターには、不正について評価する特定のイベントのモデルやルールなどの検出ロジックが含まれています。検出ロジックは、ルールを使用して、モデルに関連付けられたデータの解釈方法を Amazon Fraud Detector に指示します。このチュートリアルでは、前にアップロードしたアカウント登録サンプルデータセットを使用して、アカウント登録イベントを評価します。
パート A では、モデルの作成、トレーニング、およびデプロイを行いました。パート B では、sample_registrationイベントタイプのディテクターを構築し、デプロイされたモデルを追加し、ルールとルール実行順序を作成してから、不正予測の生成に使用するディテクターのバージョンを作成してアクティブ化します。
ディテクターを作成するには
-
Amazon Fraud Detector コンソールの左のナビゲーションペインで、[ディテクター] をクリックします。
-
[ディテクターの作成] を選択します。
-
ディテクターの詳細の定義ページで、ディテクター名
sample_detectorに を入力します。必要に応じて、 などのディテクターの説明を入力しますmy sample fraud detector。 -
イベントタイプ で sample_registration を選択します。これは、このチュートリアルのパート A で作成したイベントです。
-
[Next (次へ)] を選択します。
このチュートリアルのパート A を完了した場合は、ディテクターに追加できる Amazon Fraud Detector モデルが既にある可能性があります。モデルをまだ作成していない場合は、パート A に進み、モデルを作成、トレーニング、デプロイするステップを完了してからパート B に進みます。
-
モデルの追加 - オプションで、モデルの追加を選択します。
-
モデルの追加ページのモデルの選択で、前にデプロイした Amazon Fraud Detector モデル名を選択します。バージョンの選択 で、デプロイされたモデルのモデルバージョンを選択します。
-
[モデルの追加] を選択します。
-
[Next (次へ)] を選択します。
ルールは、不正予測を評価するときにモデルパフォーマンススコアを解釈する方法を Amazon Fraud Detector に指示する条件です。このチュートリアルでは、、high_fraud_risk、 medium_fraud_riskの 3 つのルールを作成しますlow_fraud_risk。
-
「ルールの追加」ページの「ルールの定義
high_fraud_risk」で、ルール名に「説明 - オプション」で、ルールの説明This rule captures events with a high ML model scoreとして「」と入力します。 -
[式] で、Amazon Fraud Detector 簡易ルール式言語を使用して、次のルール式を入力します。
$sample_fraud_detection_model_insightscore > 900 -
[結果] では、[新しい結果の作成] を選択します。結果は、不正予測の結果であり、評価中にルールが一致した場合に返されます。
-
[新しい結果の作成] には、結果名として「
verify_customer」と入力します。必要に応じて説明に説明を入力します。 -
[結果の保存] を選択します。
-
[ルールの追加] を選択して、ルール検証チェッカーを実行し、ルールを保存します。作成後、Amazon Fraud Detector はルールをディテクターで使用できるようにします。
-
[別のルールの追加] を選択してから、[ルールの作成] タブをクリックします。
-
このプロセスをさらに 2 回繰り返して、次のルールの詳細を使用して
medium_fraud_riskとlow_fraud_riskルールを作成します。-
medium_fraud_risk
ルール名:
medium_fraud_risk結果:
review式:
$sample_fraud_detection_model_insightscore <= 900 and$sample_fraud_detection_model_insightscore > 700 -
low_fraud_risk
ルール名:
low_fraud_risk結果:
approve式:
$sample_fraud_detection_model_insightscore <= 700
これらの値は、このチュートリアルで使用される例です。独自のディテクターのルールを作成するときは、モデルとユースケースに適した値を使用します。
-
-
すべてのルールを追加したら、[次へ] を選択します。
ルールの作成と記述の詳細については、「ルール」および「ルール言語リファレンス」を参照してください。
ディテクターに含まれるルールのルール実行モードは、定義したすべてのルールが評価されるか、最初に一致したルールでルール評価が停止されるかを決定します。また、ルールの順序によって、ルールを実行する順序が決まります。
デフォルトのルール実行モードは FIRST_MATCHED です。
- 最初の一致
-
最初の一致のルール実行モードは、定義されたルールの順序に基づいて、最初の一致ルールの結果を返します。
FIRST_MATCHEDを指定した場合、Amazon Fraud Detector はルールを順番に評価し、最初に一致したルールで停止します。Amazon Fraud Detector は、その 1 つのルールの結果を示します。ルールを実行する順序は、結果として生じる不正予測の結果に影響を与える可能性があります。ルールを作成したら、以下の手順に従って、ルールの順序を変更して必要な順序で実行します。
high_fraud_riskルールがルールリストの上部にない場合は、順序を選択し、1 を選択します。これにより、high_fraud_riskが一番上に移動します。このプロセスを繰り返して、
medium_fraud_riskルールが 2 番目の位置に来て、low_fraud_riskルールが 3 番目の位置に来るようにします。 - すべての一致
-
すべての一致ルール実行モードは、ルールの順序に関係なく、一致したすべてのルールの結果を返します。
ALL_MATCHEDを指定した場合、Amazon Fraud Detector はすべてのルールを評価し、一致したすべてのルールの結果を返します。
このチュートリアルFIRST_MATCHEDで を選択し、次へ を選択します。
ディテクターバージョンは、不正予測の生成に使用される特定のモデルとルールを定義します。
-
確認と作成ページで、設定したディテクターの詳細、モデル、ルールを確認します。何らかの変更を加える必要がある場合は、対応するセクションの隣にある [編集] をクリックします。
-
[ディテクターの作成] を選択します。ディテクターの作成後、ディテクターの最初のバージョンが
Draftステータスで Detector バージョンテーブルに表示されます。ドラフトバージョンを使用して、ディテクターをテストします。
Amazon Fraud Detector コンソールでは、テストの実行機能でモックデータを使用してディテクターのロジックをテストできます。このチュートリアルでは、サンプルデータセットのアカウント登録データを使用できます。
-
[ディテクターバージョンの詳細] ページの下部にある [テストの実行] までスクロールします。
-
イベントメタデータには、イベントが発生した時刻のタイムスタンプを入力し、イベントを実行するエンティティの一意の識別子を入力します。このチュートリアルでは、タイムスタンプの日付ピッカーから日付を選択し、エンティティ ID に「1234」と入力します。
-
イベント変数に、テストする変数値を入力します。このチュートリアルでは、 フィールド
ip_addressとemail_addressフィールドのみが必要です。これは、Amazon Fraud Detector モデルのトレーニングに使用される入力であるためです。次のサンプル値を使用できます。これは、推奨される変数名を使用したことを前提としています。-
ip_address:
205.251.233.178 -
email_address:
johndoe@exampledomain.com
-
-
[テストの実行] を選択します。
-
Amazon Fraud Detector は、ルール実行モードに基づいて不正予測の結果を返します。ルール実行モードが の場合
FIRST_MATCHED、返される結果は一致した最初のルールに対応します。最初のルールは、優先順位が最も高いルールです。true と評価された場合に一致します。ルール実行モードが の場合ALL_MATCHED、返される結果は一致したすべてのルールに対応します。つまり、それらはすべて true と評価されます。Amazon Fraud Detector は、ディテクターに追加されたモデルのモデルスコアも返します。入力を変更し、いくつかのテストを実行して、さまざまな結果を確認できます。テストにはサンプルデータセットの ip_address 値と email_address 値を使用し、結果が期待どおりであるかどうかを確認できます。
-
ディテクターの動作に満足したら、 から
Draftに昇格しますActive。これにより、ディテクターをリアルタイムの不正検出に使用できます。[ディテクターバージョンの詳細] ページで、[アクション]、[発行]、[バージョンの発行] の順に選択します。これにより、ディテクターのステータスがドラフトからアクティブに変更されます。
この時点で、モデルと関連するディテクターロジックは、Amazon Fraud Detector
GetEventPredictionAPI を使用してオンラインアクティビティをリアルタイムで評価できます。CSV 入力ファイルとCreateBatchPredictionJobAPI を使用して、イベントをオフラインで評価することもできます。不正予測の詳細については、「」を参照してください。 不正予測
このチュートリアルを完了すると、次のことが実行されました。
-
イベントデータセットの例を Amazon S3 にアップロードしました。
-
サンプルデータセットを使用して Amazon Fraud Detector 不正検出モデルを作成し、トレーニングしました。
-
Amazon Fraud Detector が生成したモデルパフォーマンススコアおよびその他のパフォーマンスメトリクスを表示しました。
-
不正検出モデルをデプロイしました。
-
ディテクターを作成し、デプロイされたモデルを追加しました。
-
ディテクターにルール、ルール実行順序、結果を追加しました。
-
異なる入力を提供し、ルールとルール実行順序が期待どおりに機能するかどうかを確認することで、ディテクターをテストしました。
-
ディテクターを公開してアクティブ化しました。
