本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
文档历史记录
下表描述了亚马逊欺诈检测器用户指南中的重要更改。我们还经常更新《亚马逊欺诈检测器用户指南》，以解决您发送给我们的反馈。
| 变更 | 说明 | 日期 |
|---|---|---|
Amazon Fraud Detector 引入了新的变量类型和可用于提取有用信息的数据类型。 | 2023年6月5日 | |
事件编排使您可以使用 Amazon EventBridge 轻松将事件发送到AWS 服务进行下游处理。 | 2023 年 5 月 30 日 | |
列表资源允许您作为规则的一部分引用一组值，例如 IP 地址或电子邮件地址。在规则中使用列表来允许或拒绝访问或交易。 | 2023 年 2 月 14 日 | |
数据模型浏览器可深入了解亚马逊欺诈检测器创建欺诈检测模型所需的数据元素。在准备事件数据集之前，请使用数据模型浏览器。 | 2022 年 12 月 15 日 | |
使用账户接管洞察 (ATI) 模型检测因恶意接管、网络钓鱼或凭证被盗而遭到入侵的账户。 | 2022 年 7 月 21 日 | |
更新了介绍章节，增加了有关亚马逊欺诈检测器的更多信息 | 2022年4月11日 | |
启用对您提供的部分原始数据的扩充功能，以提高使用这些数据元素并在 2022 年 2 月 8 日之前训练的模型的性能。 | 2022 年 2 月 8 日 | |
使用选择退出政策选择不将您的事件数据用于开发或提高 Amazon Fraud Detector 的质量。 | 2022 年 1 月 6 日 | |
创建策略以防止第三方或跨服务实体操纵有权代表其行事的实体以获取对您账户中资源的访问权限。 | 2021 年 12 月 6 日 | |
使用创建事件数据集中提供的指导来准备和收集用于训练模型的数据。 | 2021 年 11 月 22 日 | |
使用预测解释来深入了解每个事件变量如何影响模型的欺诈预测分数。 | 2021 年 11 月 10 日 | |
使用训练数据问题疑难解答中的信息来帮助诊断和解决训练模型时可能在 Amazon Fraud Detector 控制台中看到的问题。 | 2021 年 10 月 11 日 | |
使用交易欺诈洞察 (TFI) 模型检测在线或card-not-present交易欺诈。 | 2021 年 10 月 11 日 | |
将您的事件数据存储在 Amazon Fraud Detector 中，然后使用存储的数据来训练您的模型。通过将事件数据存储在 Amazon Fraud Detector 中，您可以训练使用自动计算变量的模型来提高性能、简化模型再训练并更新欺诈标签以关闭机器学习反馈循环。 | 2021 年 10 月 11 日 | |
使用模型变量重要性来深入了解哪些因素推动了模型性能的上升或下降，以及哪些模型变量的贡献最大。然后调整模型以提高整体性能。 | 2021 年 7 月 9 日 | |
AWS CloudFormation用于管理您的亚马逊欺诈检测器资源。 | 2021 年 5 月 10 日 | |
使用批量预测来获得对一组不需要实时评分的事件的预测。 | 2021 年 3 月 31 日 | |
重做 “入门” 和其他部分 | 2020 年 7 月 17 日 | |
首次发布 | 2019 年 12 月 2 日 |
