기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
문서 기록
다음 표에서는 Amazon 사기 탐지기 사용 설명서의 중요한 변경 사항을 설명합니다. 또한 보내주시는 피드백을 반영하기 위해 Amazon Fraud Detector 사용 설명서를 자주 업데이트합니다.
| 변경 사항 | 설명 | 날짜 |
|---|---|---|
Amazon Fraud Detector에는 유용한 정보를 추출하는 데 사용할 수 있는 새로운 변수 유형과 데이터 유형이 도입되었습니다. | 2023년 6월 5일 | |
이벤트 오케스트레이션을 사용하면 Amazon을 사용하여 다운스트림 처리를 AWS 서비스 위해 이벤트를 쉽게 전송할 수 있습니다. EventBridge | 2023년 5월 30일 | |
Lists 리소스를 사용하면 규칙의 일부로 IP 주소 또는 이메일 주소와 같은 값 집합을 참조할 수 있습니다. 규칙의 목록을 사용하여 액세스 또는 트랜잭션을 허용하거나 거부할 수 있습니다. | 2023년 2월 14일 | |
데이터 모델 탐색기는 Amazon Fraud Detector에서 사기 탐지 모델을 생성하는 데 필요한 데이터 요소에 대한 통찰력을 제공합니다. 이벤트 데이터세트를 준비하기 전에 데이터 모델 탐색기를 사용하세요. | 2022년 12월 15일 | |
ATI (계정 탈취 인사이트) 모델을 사용하여 악의적인 탈취, 피싱 또는 자격 증명 도난으로 인해 손상된 계정을 탐지할 수 있습니다. | 2022년 7월 21일 | |
Amazon Fraud Detector에 대한 추가 정보로 소개 장을 업데이트했습니다. | 2022년 4월 11일 | |
제공하는 일부 원시 데이터를 보강하여 이러한 데이터 요소를 사용하고 2022년 2월 8일 이전에 학습된 모델의 성능을 높일 수 있습니다. | 2022년 2월 8일 | |
옵트아웃 정책을 사용하여 이벤트 데이터가 Amazon Fraud Detector의 개발 또는 품질 향상에 사용되는 것을 거부하십시오. | 2022년 1월 6일 | |
타사 또는 크로스 서비스 엔티티가 자신을 대신하여 행동할 권한이 있는 엔티티를 조작하여 계정의 리소스에 액세스하지 못하도록 하는 정책을 만드세요. | 2021년 12월 6일 | |
이벤트 데이터세트 만들기에 제공된 지침을 사용하여 모델 학습을 위한 데이터를 준비하고 수집하세요. | 2021년 11월 22일 | |
예측 설명을 사용하면 각 이벤트 변수가 모델의 부정 행위 예측 점수에 어떤 영향을 미쳤는지 파악할 수 있습니다. | 2021년 11월 10일 | |
학습 데이터 문제 해결의 정보를 사용하면 모델을 학습할 때 Amazon Fraud Detector 콘솔에 나타날 수 있는 문제를 진단하고 해결하는 데 도움이 됩니다. | 2021년 10월 11일 | |
거래 사기 인사이트 (TFI) 모델을 사용하여 온라인 또는 card-not-present 거래 사기를 탐지할 수 있습니다. | 2021년 10월 11일 | |
이벤트 데이터를 Amazon Fraud Detector에 저장하고 저장된 데이터를 사용하여 나중에 모델을 학습시킬 수 있습니다. Amazon Fraud Detector에 이벤트 데이터를 저장하면 자동 계산된 변수를 사용하는 모델을 학습시켜 성능을 개선하고, 모델 재교육을 간소화하고, 사기 레이블을 업데이트하여 기계 학습 피드백 루프를 종료할 수 있습니다. | 2021년 10월 11일 | |
모델 변수 중요도를 사용하여 모델의 성능을 높이거나 낮추는 요인과 가장 큰 영향을 미치는 모델 변수를 파악할 수 있습니다. 그런 다음 모델을 조정하여 전반적인 성능을 개선하세요. | 2021년 7월 9일 | |
Amazon 사기 탐지기 리소스를 관리하는 AWS CloudFormation 데 사용합니다. | 2021년 5월 10일 | |
배치 예측을 사용하면 실시간 채점이 필요하지 않은 일련의 이벤트에 대한 예측을 얻을 수 있습니다. | 2021년 3월 31일 | |
시작하기 및 기타 섹션 재작업 | 2020년 7월 17일 | |
최초 릴리스 | 2019년 12월 2일 |
