Parte B: Gere previsões de fraude

Modo de foco

Parte B: Gere previsões de fraude - Amazon Fraud Detector

A previsão de fraude é uma avaliação de fraude para uma atividade comercial (evento). O Amazon Fraud Detector usa detectores para gerar previsões de fraudes. Um detector contém lógica de detecção, como modelos e regras, para um evento específico que você deseja avaliar quanto à fraude. A lógica de detecção usa regras para dizer ao Amazon Fraud Detector como interpretar os dados associados ao modelo. Neste tutorial, você avalia o evento de registro de conta usando o conjunto de dados de exemplo de registro de conta que você carregou anteriormente.

Na Parte A, você criou, treinou e implantou seu modelo. Na Parte B, você cria um detector para o tipo de sample_registration evento, adiciona o modelo implantado, cria regras e uma ordem de execução de regras e, em seguida, cria e ativa uma versão do detector que você usa para gerar previsões de fraude.

Para criar um detector

No painel de navegação esquerdo do console do Amazon Fraud Detector, escolha Detectores.
Escolha Criar detector.
Na página Definir detalhes do detector, insira sample_detector o nome do detector. Opcionalmente, insira uma descrição para o detector, comomy sample fraud detector.
Em Tipo de evento, selecione sample_registration. Esse é o evento que você criou na Parte A deste tutorial.
Escolha Próximo.

Etapa 1: Construir o detector

Para criar um detector

No painel de navegação esquerdo do console do Amazon Fraud Detector, escolha Detectores.
Escolha Criar detector.
Na página Definir detalhes do detector, insira sample_detector o nome do detector. Opcionalmente, insira uma descrição para o detector, comomy sample fraud detector.
Em Tipo de evento, selecione sample_registration. Esse é o evento que você criou na Parte A deste tutorial.
Escolha Próximo.

Se você concluiu a Parte A deste tutorial, provavelmente já tem um modelo do Amazon Fraud Detector disponível para ser adicionado ao seu detector. Se você ainda não criou um modelo, vá para a Parte A e conclua as etapas para criar, treinar e implantar um modelo e continue com a Parte B.

Em Adicionar modelo - opcional, escolha Adicionar modelo.
Na página Adicionar modelo, em Selecionar modelo, escolha o nome do modelo do Amazon Fraud Detector que você implantou anteriormente. Em Selecionar versão, escolha a versão do modelo implantado.
Escolha Add model (Adicionar modelo).
Escolha Próximo.

Etapa 2: adicionar modelo

Em Adicionar modelo - opcional, escolha Adicionar modelo.
Na página Adicionar modelo, em Selecionar modelo, escolha o nome do modelo do Amazon Fraud Detector que você implantou anteriormente. Em Selecionar versão, escolha a versão do modelo implantado.
Escolha Add model (Adicionar modelo).
Escolha Próximo.

Uma regra é uma condição que diz ao Amazon Fraud Detector como interpretar a pontuação de desempenho do modelo ao avaliar a previsão de fraudes. Para este tutorial, você cria três regras: high_fraud_riskmedium_fraud_risk, low_fraud_risk e.

Na página Adicionar regras, em Definir uma regra, insira high_fraud_risk o nome da regra e, em Descrição - opcional, insira This rule captures events with a high ML model score como descrição da regra.
Em Expressão, insira a seguinte expressão de regra usando a linguagem simplificada de expressão de regras do Amazon Fraud Detector:

$sample_fraud_detection_model_insightscore > 900
Em Resultados, escolha Criar um novo resultado. Um resultado é o resultado de uma previsão de fraude e é retornado se a regra corresponder durante uma avaliação.
Em Criar um novo resultado, insira verify_customer como nome do resultado. Como opção, insira uma descrição.
Escolha Salvar resultado.
Escolha Adicionar regra para executar o verificador de validação de regras e salvar a regra. Depois de criado, o Amazon Fraud Detector disponibiliza a regra para uso em seu detector.
Escolha Adicionar outra regra e, em seguida, escolha a guia Criar regra.
Repita esse processo mais duas vezes para criar suas low_fraud_risk regras medium_fraud_risk e usando os seguintes detalhes da regra:
- risco médio de fraude
  
  Nome da regra: medium_fraud_risk
  
  Resultado: review
  
  Expressão:
  
  $sample_fraud_detection_model_insightscore <= 900 and
  
  $sample_fraud_detection_model_insightscore > 700
- baixo risco de fraude
  
  Nome da regra: low_fraud_risk
  
  Resultado: approve
  
  Expressão:
  
  $sample_fraud_detection_model_insightscore <= 700
Esses valores são exemplos usados neste tutorial. Ao criar regras para seu próprio detector, use valores apropriados para seu modelo e seu caso de uso,
Depois de criar as três regras, escolha Avançar.

Para obter mais informações sobre como criar e escrever regras, consulte Regras Referência da linguagem de regras e.

Etapa 3: adicionar regras

Na página Adicionar regras, em Definir uma regra, insira high_fraud_risk o nome da regra e, em Descrição - opcional, insira This rule captures events with a high ML model score como descrição da regra.
Em Expressão, insira a seguinte expressão de regra usando a linguagem simplificada de expressão de regras do Amazon Fraud Detector:

$sample_fraud_detection_model_insightscore > 900
Em Resultados, escolha Criar um novo resultado. Um resultado é o resultado de uma previsão de fraude e é retornado se a regra corresponder durante uma avaliação.
Em Criar um novo resultado, insira verify_customer como nome do resultado. Como opção, insira uma descrição.
Escolha Salvar resultado.
Escolha Adicionar regra para executar o verificador de validação de regras e salvar a regra. Depois de criado, o Amazon Fraud Detector disponibiliza a regra para uso em seu detector.
Escolha Adicionar outra regra e, em seguida, escolha a guia Criar regra.
Repita esse processo mais duas vezes para criar suas low_fraud_risk regras medium_fraud_risk e usando os seguintes detalhes da regra:
- risco médio de fraude
  
  Nome da regra: medium_fraud_risk
  
  Resultado: review
  
  Expressão:
  
  $sample_fraud_detection_model_insightscore <= 900 and
  
  $sample_fraud_detection_model_insightscore > 700
- baixo risco de fraude
  
  Nome da regra: low_fraud_risk
  
  Resultado: approve
  
  Expressão:
  
  $sample_fraud_detection_model_insightscore <= 700
Esses valores são exemplos usados neste tutorial. Ao criar regras para seu próprio detector, use valores apropriados para seu modelo e seu caso de uso,
Depois de criar as três regras, escolha Avançar.

Para obter mais informações sobre como criar e escrever regras, consulte Regras Referência da linguagem de regras e.

O modo de execução das regras incluídas no detector determina se todas as regras que você define são avaliadas ou se a avaliação da regra é interrompida na primeira regra correspondente. E a ordem das regras determina a ordem em que você deseja que a regra seja executada.

O modo padrão de execução da regra éFIRST_MATCHED.

Combinado pela primeira vez

O modo de execução da primeira regra correspondente retorna os resultados da primeira regra correspondente com base na ordem definida da regra. Se você especificar FIRST_MATCHED, o Amazon Fraud Detector avaliará as regras sequencialmente, da primeiro à última, parando na primeira regra correspondente. Em seguida, o Amazon Fraud Detector fornece os resultados para essa única regra.

A ordem em que você executa as regras pode afetar o resultado resultante da previsão de fraude. Depois de criar suas regras, reordene as regras para executá-las na ordem desejada seguindo estas etapas:

Se sua high_fraud_risk regra ainda não estiver no topo da lista de regras, escolha Pedir e escolha 1. Isso se move high_fraud_risk para a primeira posição.

Repita esse processo para que sua medium_fraud_risk regra fique na segunda posição e sua low_fraud_risk regra na terceira posição.

Tudo combinado

O modo de execução de todas as regras correspondentes retorna os resultados de todas as regras correspondentes, independentemente da ordem das regras. Se você especificarALL_MATCHED, o Amazon Fraud Detector avalia todas as regras e retorna os resultados de todas as regras correspondentes.

Selecione FIRST_MATCHED para este tutorial e, em seguida, escolha Avançar.

Etapa 4: Configurar a execução e a ordem das regras

O modo padrão de execução da regra éFIRST_MATCHED.

Combinado pela primeira vez

Se sua high_fraud_risk regra ainda não estiver no topo da lista de regras, escolha Pedir e escolha 1. Isso se move high_fraud_risk para a primeira posição.

Repita esse processo para que sua medium_fraud_risk regra fique na segunda posição e sua low_fraud_risk regra na terceira posição.

Tudo combinado

Selecione FIRST_MATCHED para este tutorial e, em seguida, escolha Avançar.

Uma versão de detector define os modelos e regras específicos que são usados para gerar previsões de fraude.

Na página Revisar e criar, revise os detalhes, os modelos e as regras do detector que você configurou. Se precisar fazer alguma alteração, escolha Editar ao lado da seção correspondente.
Escolha Criar detector. Depois de criada, a primeira versão do seu detector aparece na tabela de versões do detector com Draft status.

Você usa a versão Draft para testar seu Detector.

Etapa 5: revisar e criar a versão do detector

Uma versão de detector define os modelos e regras específicos que são usados para gerar previsões de fraude.

Na página Revisar e criar, revise os detalhes, os modelos e as regras do detector que você configurou. Se precisar fazer alguma alteração, escolha Editar ao lado da seção correspondente.
Escolha Criar detector. Depois de criada, a primeira versão do seu detector aparece na tabela de versões do detector com Draft status.

Você usa a versão Draft para testar seu Detector.

No console do Amazon Fraud Detector, você pode testar a lógica do seu detector usando dados simulados com o recurso Executar teste. Para este tutorial, você pode usar os dados de registro da conta do conjunto de dados de exemplo.

Role até Executar teste na parte inferior da página de detalhes da versão do Detector.
Em Metadados do evento, insira um registro de data e hora de quando o evento ocorreu e insira um identificador exclusivo para a entidade que está realizando o evento. Para este tutorial, selecione uma data no seletor de data e hora e insira “1234” como ID da entidade.
Em Variável de evento, insira os valores da variável que você deseja testar. Para este tutorial, você só precisa dos email_address campos ip_address e. Isso ocorre porque elas são as entradas usadas para treinar seu modelo do Amazon Fraud Detector. Você pode usar os valores de exemplo a seguir. Isso pressupõe que você tenha usado os nomes de variáveis sugeridos:
- endereço_IP: 205.251.233.178
- endereço_e-mail: johndoe@exampledomain.com
Escolha Executar teste.
O Amazon Fraud Detector retorna o resultado da previsão de fraude com base no modo de execução da regra. Se o modo de execução da regra forFIRST_MATCHED, o resultado retornado corresponderá à primeira regra correspondente. A primeira regra é a regra com a maior prioridade. É correspondido se for avaliado como verdadeiro. Se o modo de execução da regra forALL_MATCHED, o resultado retornado corresponderá a todas as regras correspondentes. Isso significa que todas elas são avaliadas como verdadeiras. O Amazon Fraud Detector também retorna a pontuação do modelo para todos os modelos adicionados ao seu detector.

Você pode alterar as entradas e executar alguns testes para ver resultados diferentes. Você pode usar os valores ip_address e email_address do seu conjunto de dados de exemplo para os testes e verificar se os resultados são os esperados.
Quando estiver satisfeito com o funcionamento do detector, promova-o de Draft atéActive. Isso torna o detector disponível para uso na detecção de fraudes em tempo real.

Na página de detalhes da versão do Detector, escolha Ações, Publicar, Publicar versão. Isso altera o status do detector de Rascunho para Ativo.

Nesse momento, seu modelo e a lógica associada do detector estão prontos para avaliar atividades on-line em busca de fraudes em tempo real usando a GetEventPrediction API Amazon Fraud Detector. Você também pode avaliar eventos off-line usando um arquivo de entrada CSV e a CreateBatchPredictionJob API. Para obter mais informações sobre previsão de fraudes, consulte Previsões de fraudes

Ao concluir este tutorial, você fez o seguinte:

Carregou um exemplo de conjunto de dados de eventos para o Amazon S3.
Criou e treinei um modelo de detecção de fraudes do Amazon Fraud Detector usando o conjunto de dados de exemplo.
Visualizou a pontuação de desempenho do modelo e outras métricas de desempenho geradas pelo Amazon Fraud Detector.
Implantou o modelo de detecção de fraudes.
Criou um detector e adicionou o modelo implantado.
Foram adicionadas regras, a ordem de execução das regras e os resultados ao detector.
Testei o detector fornecendo entradas diferentes e verificando se as regras e a ordem de execução das regras funcionaram conforme o esperado.
Ativou o detector ao publicá-lo.

Etapa 6: testar e ativar a versão do detector

Role até Executar teste na parte inferior da página de detalhes da versão do Detector.
Em Metadados do evento, insira um registro de data e hora de quando o evento ocorreu e insira um identificador exclusivo para a entidade que está realizando o evento. Para este tutorial, selecione uma data no seletor de data e hora e insira “1234” como ID da entidade.
Em Variável de evento, insira os valores da variável que você deseja testar. Para este tutorial, você só precisa dos email_address campos ip_address e. Isso ocorre porque elas são as entradas usadas para treinar seu modelo do Amazon Fraud Detector. Você pode usar os valores de exemplo a seguir. Isso pressupõe que você tenha usado os nomes de variáveis sugeridos:
- endereço_IP: 205.251.233.178
- endereço_e-mail: johndoe@exampledomain.com
Escolha Executar teste.
O Amazon Fraud Detector retorna o resultado da previsão de fraude com base no modo de execução da regra. Se o modo de execução da regra forFIRST_MATCHED, o resultado retornado corresponderá à primeira regra correspondente. A primeira regra é a regra com a maior prioridade. É correspondido se for avaliado como verdadeiro. Se o modo de execução da regra forALL_MATCHED, o resultado retornado corresponderá a todas as regras correspondentes. Isso significa que todas elas são avaliadas como verdadeiras. O Amazon Fraud Detector também retorna a pontuação do modelo para todos os modelos adicionados ao seu detector.

Você pode alterar as entradas e executar alguns testes para ver resultados diferentes. Você pode usar os valores ip_address e email_address do seu conjunto de dados de exemplo para os testes e verificar se os resultados são os esperados.
Quando estiver satisfeito com o funcionamento do detector, promova-o de Draft atéActive. Isso torna o detector disponível para uso na detecção de fraudes em tempo real.

Na página de detalhes da versão do Detector, escolha Ações, Publicar, Publicar versão. Isso altera o status do detector de Rascunho para Ativo.

Nesse momento, seu modelo e a lógica associada do detector estão prontos para avaliar atividades on-line em busca de fraudes em tempo real usando a GetEventPrediction API Amazon Fraud Detector. Você também pode avaliar eventos off-line usando um arquivo de entrada CSV e a CreateBatchPredictionJob API. Para obter mais informações sobre previsão de fraudes, consulte Previsões de fraudes

Ao concluir este tutorial, você fez o seguinte:

Carregou um exemplo de conjunto de dados de eventos para o Amazon S3.
Criou e treinei um modelo de detecção de fraudes do Amazon Fraud Detector usando o conjunto de dados de exemplo.
Visualizou a pontuação de desempenho do modelo e outras métricas de desempenho geradas pelo Amazon Fraud Detector.
Implantou o modelo de detecção de fraudes.
Criou um detector e adicionou o modelo implantado.
Foram adicionadas regras, a ordem de execução das regras e os resultados ao detector.
Testei o detector fornecendo entradas diferentes e verificando se as regras e a ordem de execução das regras funcionaram conforme o esperado.
Ativou o detector ao publicá-lo.