Benefícios

O Amazon Fraud Detector oferece os seguintes benefícios. Esses benefícios possibilitam que você detecte fraudes rapidamente sem precisar investir o tempo e os recursos tradicionalmente necessários para criar e manter um sistema de gerenciamento de fraudes.

Criação automatizada de modelos de fraude

Os modelos de detecção de fraudes do Amazon Fraud Detector são modelos de aprendizado de máquina totalmente automatizados, personalizados para atender às suas necessidades comerciais específicas. Você pode usar os modelos do Amazon Fraud Detector para identificar possíveis fraudes em qualquer transação on-line, como criação de novas contas, pagamentos on-line e pagamento de hóspedes.

Como os modelos de fraude são criados por meio de um processo automatizado, você pode renunciar a muitas das etapas associadas à criação e ao treinamento de um modelo. Essas etapas incluem validação e enriquecimento de dados, engenharia de recursos, seleção de algoritmos, ajuste de hiperparâmetros e implantação de modelos.

Para criar um modelo de detecção de fraudes usando o Amazon Fraud Detector, você só carrega o conjunto de dados históricos de fraudes da sua empresa e seleciona o tipo de modelo. Em seguida, o Amazon Fraud Detector encontra automaticamente o algoritmo de detecção de fraudes mais adequado para seu caso de uso e cria o modelo. Você não precisa conhecer programação nem ter experiência em aprendizado de máquina para criar modelos de detecção de fraudes.

Modelos de fraude que evoluem e aprendem

Os modelos de detecção de fraudes devem evoluir constantemente para acompanhar as mudanças no cenário de fraudes. O Amazon Fraud Detector faz isso automaticamente calculando informações, incluindo idade da conta, tempo desde a última atividade e contagem de atividades. O resultado é que seu modelo aprende a diferença entre clientes confiáveis que fazem transações com frequência e as tentativas contínuas típicas de fraudadores. Isso ajuda a manter o desempenho do seu modelo por mais tempo entre as sessões de reciclagem.

Visualização do desempenho do modelo de fraude

Depois que seu modelo é treinado usando os dados que você fornece, o Amazon Fraud Detector valida o desempenho do seu modelo. Ele também fornece ferramentas visuais para você avaliar o desempenho. Para cada modelo que você treina, você pode ver a pontuação de desempenho do modelo, o gráfico de distribuição da pontuação, a matriz de confusão, a tabela de limites e todas as entradas fornecidas classificadas por seu impacto no desempenho do modelo. Usando essas ferramentas de desempenho, você pode aprender o desempenho do seu modelo e quais entradas estão impulsionando o desempenho do seu modelo. Se necessário, você pode ajustar seu modelo para melhorar seu desempenho geral.

Previsão de fraudes

O Amazon Fraud Detector gera previsões de fraudes para as atividades comerciais da sua organização. A previsão de fraude é uma avaliação do risco de fraude de uma atividade comercial. O Amazon Fraud Detector gera previsões usando a lógica de previsão com os dados associados à atividade. Você forneceu esses dados ao criar seu modelo de detecção de fraudes. Você pode obter previsões de fraude para uma única atividade em tempo real ou obter previsões de fraude off-line para um conjunto de atividades.

Visualização da explicação da previsão de fraudes

O Amazon Fraud Detector gera explicações de previsão como parte do processo de previsão de fraudes. As explicações de previsão fornecem informações sobre como cada elemento de dados usado para treinar seu modelo afetou a pontuação de previsão de fraudes do seu modelo. As explicações de previsão são fornecidas usando ferramentas visuais, como tabelas e gráficos. Você pode usar essas ferramentas para identificar visualmente quanta influência cada elemento de dados tem nas pontuações de previsão. Em seguida, você pode usar essas informações para analisar os padrões de fraude em seu conjunto de dados e detectar preconceitos, se houver. Por último, você também pode usar as explicações de previsão para identificar os principais indicadores de risco durante um processo manual de investigação de fraudes. Isso ajuda a restringir as causas-raiz que levam a previsões falsas positivas.

Ações baseadas em regras

Depois que seu modelo de detecção de fraudes for treinado, você poderá adicionar regras para realizar ações nos dados avaliados, como aceitar os dados, enviar dados para análise ou coletar mais dados. Uma regra é uma condição que diz ao Amazon Fraud Detector como interpretar os dados durante a previsão de fraudes. Por exemplo, você pode criar uma regra que sinalize contas de clientes suspeitas para serem revisadas. Você pode definir essa regra para ser iniciada se a pontuação do modelo detectado for maior que o limite predeterminado e se o código de autorização de pagamento da conta (AUTH_CODE) não for válido.