本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
文件歷史紀錄
下表說明 Amazon 詐騙偵測器使用者指南中的重要變更。我們也會經常更新 Amazon 詐騙偵測器使用者指南，以解決您傳送給我們的意見反應。
| 變更 | 描述 | 日期 |
|---|---|---|
Amazon 詐騙偵測器引入了新的變數類型以及可用來擷取有用資訊的資料類型。 | 2023年6月5 日 | |
事件編排可讓您使用 Amazon EventBridge 輕鬆將事件傳送到AWS 服務下游處理。 | 2023 年 5 月 30 日 | |
L ist 資源可讓您參考一組值，例如 IP 位址或電子郵件地址，做為規則的一部分。使用規則中的清單來允許或拒絕存取或交易。 | 2023 年 2 月 14 日 | |
資料模型總管針對 Amazon 詐騙偵測器建立詐騙偵測模型所需的資料元素提供深入解析。在準備事件資料集之前，請先使用資料模型總管。 | 2022 年 12 月 15 日 | |
使用帳戶接管見解 (ATI) 模型，偵測惡意接管、網路釣魚或憑證遭竊而遭到入侵的帳戶。 | 2022 年 7 月 21 日 | |
更新了介紹章節有關亞馬遜欺詐檢測器的其他信息 | 2022年4月11日 | |
啟用您提供的某些原始資料，以提升使用這些資料元素且在 2022 年 2 月 8 日之前訓練過的模型的效能。 | 2022 年 2 月 8 日 | |
使用退出政策選擇退出您的事件資料用於開發或改善 Amazon 詐騙偵測器的品質。 | 2022 年 1 月 6 日 | |
建立原則以防止第三方或跨服務實體操控具有權限的實體，以代表其採取行動，以取得您帳戶中資源的存取權。 | 2021 年 12 月 6 日 | |
使用建立事件資料集中提供的指導來準備和收集用於訓練模型的資料。 | 2021 年 11 月 22 日 | |
使用「預測」說明深入瞭解每個事件變數如何影響模型的詐騙預測分數。 | 2021 年 11 月 10 日 | |
使用訓練資料問題疑難排解中的資訊，協助診斷和解決訓練模型時可能在 Amazon 詐騙偵測器主控台中看到的問題。 | 2021 年 10 月 11 日 | |
使用交易欺詐洞察（TFI）模型來檢測在線或card-not-present交易欺詐。 | 2021 年 10 月 11 日 | |
將您的事件資料存放在 Amazon 詐騙偵測器中，然後使用儲存的資料來訓練您的模型。透過將事件資料存放在 Amazon 詐騙偵測器中，您可以訓練使用自動計算變數的模型來提升效能、簡化模型再訓練，以及更新詐騙標籤以關閉機器學習回饋迴圈。 | 2021 年 10 月 11 日 | |
使用模型變數重要性，深入瞭解模型上下推動效能的原因，以及哪些模型變數的貢獻最大。然後調整您的模型以提高整體性能。 | 2021 年 7 月 9 日 | |
用AWS CloudFormation於管理您的 Amazon 詐騙偵測器資源。 | 2021 年 5 月 10 日 | |
使用批次預測來取得一組不需要即時評分的事件的預測。 | 2021 年 3 月 31 日 | |
開始使用和其他部分的返工 | 2020 年 7 月 17 日 | |
初始版本 | 2019 年 12 月 2 日 |
