기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
사기 예측은 비즈니스 활동(이벤트)에 대한 사기 평가입니다. Amazon Fraud Detector는 탐지기를 사용하여 사기 예측을 생성합니다. 감지기에는 사기에 대해 평가하려는 특정 이벤트에 대한 모델 및 규칙과 같은 감지 로직이 포함되어 있습니다. 탐지 로직은 규칙을 사용하여 모델과 연결된 데이터를 해석하는 방법을 Amazon Fraud Detector에 알립니다. 이 자습서에서는 이전에 업로드한 계정 등록 예제 데이터 세트를 사용하여 계정 등록 이벤트를 평가합니다.
파트 A에서는 모델을 생성, 훈련 및 배포했습니다. 파트 B에서는 sample_registration 이벤트 유형에 대한 감지기를 빌드하고, 배포된 모델을 추가하고, 규칙 및 규칙 실행 순서를 생성한 다음, 사기 예측을 생성하는 데 사용하는 감지기 버전을 생성하고 활성화합니다.
감지기를 생성하려면
-
Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 감지기를 선택합니다.
-
감지기 생성을 선택합니다.
-
감지기 세부 정보 정의 페이지에서 감지기 이름
sample_detector에를 입력합니다. 선택적으로와 같은 감지기에 대한 설명을 입력합니다my sample fraud detector. -
이벤트 유형에서 sample_registration을 선택합니다. 이 이벤트는이 자습서의 파트 A에서 생성한 이벤트입니다.
-
Next(다음)를 선택합니다.
이 자습서의 파트 A를 완료했다면 감지기에 추가할 수 있는 Amazon Fraud Detector 모델이 이미 있을 것입니다. 아직 모델을 생성하지 않은 경우 파트 A로 이동하여 모델을 생성, 훈련 및 배포하는 단계를 완료한 다음 파트 B를 계속 진행합니다.
-
모델 추가 - 선택 사항에서 모델 추가를 선택합니다.
-
모델 추가 페이지의 모델 선택에서 이전에 배포한 Amazon Fraud Detector 모델 이름을 선택합니다. 버전 선택에서 배포된 모델의 모델 버전을 선택합니다.
-
모델 추가를 선택합니다.
-
Next(다음)를 선택합니다.
규칙은 사기 예측을 평가할 때 모델 성능 점수를 해석하는 방법을 Amazon Fraud Detector에 알려주는 조건입니다. 이 자습서에서는 , 및 high_fraud_riskmedium_fraud_risk의 세 가지 규칙을 생성합니다low_fraud_risk.
-
규칙 추가 페이지의 규칙 정의에서 규칙 이름에를 입력하고 설명 - 선택 사항에서 규칙에 대한 설명
This rule captures events with a high ML model score으로를 입력합니다.high_fraud_risk -
표현식에서 Amazon Fraud Detector 간소화된 규칙 표현식을 사용하여 다음 규칙 표현식을 입력합니다.
$sample_fraud_detection_model_insightscore > 900 -
결과에서 새 결과 생성을 선택합니다. 결과는 사기 예측의 결과이며 평가 중에 규칙이 일치하면 반환됩니다.
-
새 결과 생성에서 결과 이름으로
verify_customer를 입력합니다. 필요한 경우 설명을 입력합니다. -
결과 저장을 선택합니다.
-
규칙 추가를 선택하여 규칙 검증 검사기를 실행하고 규칙을 저장합니다. 생성 후 Amazon Fraud Detector는 감지기에서 규칙을 사용할 수 있도록 합니다.
-
다른 규칙 추가를 선택한 다음 규칙 생성 탭을 선택합니다.
-
다음
low_fraud_risk규칙 세부 정보를 사용하여이 프로세스를 두 번 더 반복하여medium_fraud_risk및 규칙을 생성합니다.-
medium_fraud_risk
규칙 이름:
medium_fraud_risk결과:
review표현식:
$sample_fraud_detection_model_insightscore <= 900 and$sample_fraud_detection_model_insightscore > 700 -
low_fraud_risk
규칙 이름:
low_fraud_risk결과:
approve표현식:
$sample_fraud_detection_model_insightscore <= 700
이러한 값은이 자습서에 사용되는 예제입니다. 자체 감지기에 대한 규칙을 생성할 때 모델 및 사용 사례에 적합한 값을 사용합니다.
-
-
세 규칙을 모두 생성한 후 다음을 선택합니다.
감지기에 포함된 규칙의 규칙 실행 모드에 따라 정의한 모든 규칙이 평가되는지 또는 첫 번째 일치 규칙에서 규칙 평가가 중지되는지가 결정됩니다. 규칙 순서에 따라 규칙을 실행할 순서가 결정됩니다.
기본 규칙 실행 모드는 입니다FIRST_MATCHED.
- 첫 번째 일치
-
첫 번째 일치 규칙 실행 모드는 정의된 규칙 순서를 기반으로 첫 번째 일치 규칙의 결과를 반환합니다.
FIRST_MATCHED를 지정하면 Amazon Fraud Detector는 처음부터 마지막까지 순차적으로 규칙을 평가하고 처음 일치하는 규칙에서 중지합니다. 그런 다음 Amazon Fraud Detector는 해당 단일 규칙에 대한 결과를 제공합니다.에서 규칙을 실행하는 순서는 결과적으로 발생하는 사기 예측 결과에 영향을 미칠 수 있습니다. 규칙을 생성한 후 다음 단계에 따라 규칙을 원하는 순서로 실행하도록 다시 정렬합니다.
high_fraud_risk규칙이 아직 규칙 목록 상단에 없는 경우 순서를 선택한 다음 1을 선택합니다. 그러면high_fraud_risk첫 번째 위치로 이동합니다.규칙이 두 번째 위치에 있고
medium_fraud_risk규칙low_fraud_risk이 세 번째 위치에 있도록이 프로세스를 반복합니다. - 모두 일치
-
일치하는 모든 규칙 실행 모드는 규칙 순서에 관계없이 일치하는 모든 규칙에 대한 결과를 반환합니다.
ALL_MATCHED를 지정하면 Amazon Fraud Detector는 모든 규칙을 평가하고 일치하는 모든 규칙에 대한 결과를 반환합니다.
이 자습서FIRST_MATCHED에서를 선택한 후 다음을 선택합니다.
감지기 버전은 사기 예측을 생성하는 데 사용되는 특정 모델 및 규칙을 정의합니다.
-
검토 및 생성 페이지에서 구성한 감지기 세부 정보, 모델 및 규칙을 검토합니다. 변경해야 하는 경우 해당 섹션 옆의 편집을 선택합니다.
-
감지기 생성을 선택합니다. 생성되면 감지기의 첫 번째 버전이 감지기 버전 테이블에
Draft상태와 함께 나타납니다.초안 버전을 사용하여 감지기를 테스트합니다.
Amazon Fraud Detector 콘솔에서 테스트 실행 기능을 사용하여 모의 데이터를 사용하여 탐지기의 로직을 테스트할 수 있습니다. 이 자습서에서는 예제 데이터 세트의 계정 등록 데이터를 사용할 수 있습니다.
-
감지기 버전 세부 정보 페이지 하단의 테스트 실행으로 스크롤합니다.
-
이벤트 메타데이터에 이벤트가 발생한 시점의 타임스탬프를 입력하고 이벤트를 수행하는 개체의 고유 식별자를 입력합니다. 이 자습서에서는 타임스탬프의 날짜 선택기에서 날짜를 선택하고 개체 ID에 “1234”를 입력합니다.
-
이벤트 변수에 테스트할 변수 값을 입력합니다. 이 자습서에서는
ip_address및email_address필드만 필요합니다. 이는 Amazon Fraud Detector 모델을 훈련하는 데 사용되는 입력이기 때문입니다. 다음 예제 값을 사용할 수 있습니다. 이는 제안된 변수 이름을 사용했다고 가정합니다.-
ip_address:
205.251.233.178 -
email_address:
johndoe@exampledomain.com
-
-
테스트 실행을 선택합니다.
-
Amazon Fraud Detector는 규칙 실행 모드를 기반으로 사기 예측 결과를 반환합니다. 규칙 실행 모드가 인 경우 반환
FIRST_MATCHED된 결과는 일치하는 첫 번째 규칙에 해당합니다. 첫 번째 규칙은 우선 순위가 가장 높은 규칙입니다. true로 평가되면 일치됩니다. 규칙 실행 모드가 인 경우 반환ALL_MATCHED된 결과는 일치하는 모든 규칙에 해당합니다. 즉, 모두 true로 평가됩니다. 또한 Amazon Fraud Detector는 감지기에 추가된 모든 모델의 모델 점수를 반환합니다.입력을 변경하고 몇 가지 테스트를 실행하여 다양한 결과를 볼 수 있습니다. 테스트에 예제 데이터 세트의 ip_address 및 email_address 값을 사용하고 결과가 예상대로인지 확인할 수 있습니다.
-
감지기가 작동하는 방식에 만족하면에서
Draft로 승격합니다Active. 이렇게 하면 탐지기를 실시간 사기 탐지에 사용할 수 있습니다.감지기 버전 세부 정보 페이지에서 작업, 게시, 버전 게시를 선택합니다. 그러면 감지기의 상태가 초안에서 활성으로 변경됩니다.
이때 모델과 관련 탐지기 로직은 Amazon Fraud Detector
GetEventPredictionAPI를 사용하여 실시간으로 사기에 대한 온라인 활동을 평가할 준비가 됩니다. CSV 입력 파일과CreateBatchPredictionJobAPI를 사용하여 이벤트를 오프라인으로 평가할 수도 있습니다. 사기 예측에 대한 자세한 내용은 섹션을 참조하세요. 사기 예측
이 자습서를 완료하여 다음을 수행했습니다.
-
이벤트 데이터 세트 예제를 Amazon S3에 업로드했습니다.
-
예제 데이터 세트를 사용하여 Amazon Fraud Detector 사기 탐지 모델을 생성하고 교육했습니다.
-
Amazon Fraud Detector가 생성한 모델 성능 점수 및 기타 성능 지표를 확인했습니다.
-
사기 탐지 모델을 배포했습니다.
-
감지기를 생성하고 배포된 모델을 추가했습니다.
-
감지기에 규칙, 규칙 실행 순서 및 결과가 추가되었습니다.
-
다양한 입력을 제공하고 규칙 및 규칙 실행 순서가 예상대로 작동하는지 확인하여 감지기를 테스트했습니다.
-
감지기를 게시하여 활성화했습니다.
