نحن نستخدم ملفات تعريف الارتباط الضرورية والأدوات المماثلة اللازمة لنقدم إليكم موقعنا ونوفر خدماتنا. كما نستخدم ملفات تعريف الارتباط الخاصة بالأداء لجمع الإحصائيات مجهولة المصدر حتى نتمكن من فهم كيفية استخدام العملاء لموقعنا، وإجراء التحسينات عليه. لا يمكن إلغاء تنشيط ملفات تعريف الارتباط الضرورية، ولكن يمكنك النقر فوق «تخصيص» أو «رفض» لرفض ملفات تعريف الارتباط الخاصة بالأداء.
في حال موافقتك، ستقوم أيضًا AWS والجهات الخارجية المعتمدة باستخدام ملفات تعريف الارتباط لتوفير مزايا مفيدة في الموقع الإلكتروني، وحفظ تفضيلاتك، وعرض المحتوى ذي الصلة، بما في ذلك الإعلانات ذات الصلة. لقبول جميع ملفات تعريف الارتباط غير الضرورية أو رفضها، انقر فوق «قبول» أو «رفض». لإجراء اختيارات أكثر تفصيلًا، انقر فوق «تخصيص».
ملفات تعريف الارتباط الأساسية هذه ضرورية من أجل إتاحة موقعنا وخدماتنا ولا يمكن إلغاء تنشيطها. ويتم تعيينها عادةً فقط استجابة لإجراءاتك على الموقع، مثل تعيين تفضيلات خصوصيتك، أو تسجيل الدخول، أو ملء النماذج.
توفر ملفات تعريف الارتباط الخاصة بالأداء إحصائيات مجهولة حول طريقة تنقل العملاء في موقعنا، وذلك ليتسنى لنا تحسين تجربة الموقع وأدائه. وقد تقوم أطراف ثالثة معتمدة بإجراء تحليل نيابة عنا، لكن لا يمكنها استخدام البيانات لأغراضها الخاصة.
تساعدنا ملفات تعريف الارتباط الوظيفية على تقديم ميزات موقع مفيدة، وتذكر تفضيلاتك، وعرض محتوى ذي صلة. قد تقوم أطراف ثالثة معتمدة بتعيين ملفات تعريف الارتباط هذه لتقديم ميزات معينة للموقع. إذا لم تسمح بملفات تعريف الارتباط هذه، فقد لا تعمل بعض أو كل من هذه الخدمات على نحو صحيح.
قد نقوم نحن أو شركاؤنا في مجال الإعلانات بتعيين ملفات تعريف الارتباط الإعلانية خلال موقعنا وهي تساعدنا على تقديم محتوى تسويقي ذي صلة. فإذا لم تسمح بوجود ملفات تعريف الارتباط هذه، فستشاهد إعلانات أقل صلة.
قد يؤثر حظر بعض أنواع ملفات تعريف الارتباط على تجربتك في مواقعنا. يمكنك تغيير تفضيلات ملفات تعريف الارتباط الخاصة بك في أي وقت من خلال النقر فوق تفضيلات ملفات تعريف الارتباط في تذييل هذا الموقع. لمعرفة المزيد حول طريقتنا والأطراف الثالثة في استخدام ملفات تعريف الارتباط في مواقعنا، يرجى قراءة إشعار ملفات تعريف الارتباط لخدمة AWS الخاصة بنا
نحن نعرض الإعلانات ذات صلة باهتماماتك على مواقع AWS وعلى مواقع أخرى، بما في ذلك الإعلانات السلوكية عبر السياقات المختلفة. تستخدم الإعلانات السلوكية عبر السياقات المختلفة بيانات من موقع أو تطبيق معين للإعلان لك على موقع أو تطبيق تابع لشركة مختلفة.
ولعدم السماح بالإعلانات السلوكية عبر السياقات المختلفة التي تستند إلى ملفات تعريف الارتباط أو التقنيات المشابهة، حدد «عدم السماح» و «حفظ خيارات الخصوصية» أدناه، أو قم بزيارة موقع AWS مع تمكين إشارة الرفض المعترف بها قانونًا، مثل Global Privacy Control. إذا حذفت ملفات تعريف الارتباط أو قمت بزيارة هذا الموقع من متصفح أو جهاز مختلف، فستحتاج إلى تحديد اختيارك مرة أخرى. لمزيد من المعلومات حول ملفات تعريف الارتباط وكيفية استخدامها، يرجى قراءة إشعار بالفتح في نافذة جديدة.
لعدم السماح بجميع إعلانات AWS السلوكية عبر السياقات المختلفة، انقر فوق ، وأكمل هذا النموذج عبر البريد الإلكتروني.
لمزيد من المعلومات حول كيفية تعامل AWS مع معلوماتك، يرجى قراءة الخاص بالفتح في نافذة جديدة.
إننا سنقوم بتخزين ملفات تعريف الارتباط الأساسية في هذه المرة فقط، لأنه تعذر علينا حفظ تفضيلات ملفات تعريف الارتباط الخاصة بك.
إذا كنت تريد تغيير تفضيلات ملفات تعريف الارتباط الخاصة بك، فحاول مرةً أخرى لاحقًا باستخدام الرابط الموجود في تذييل وحدة تحكم AWS، أو اتصل بالدعم إن استمرت المشكلة.
تُعد Amazon Fraud Detector خدمة مُدارة بالكامل تسهِّل التعرف على الأنشطة الاحتيالية المحتملة عبر الإنترنت، مثل الاحتيال في عمليات الدفع عبر الإنترنت وإنشاء حسابات مزيفة. تستخدم Amazon Fraud Detector التعلم الآلي (ML) بجانب 20 عامًا من الخبرة المستمدة من Amazon Web Services (AWS) وAmazon.com من أجل التعرف التلقائي على الأنشطة الاحتيالية المحتملة في خلال أجزاء من الثانية. مع Amazon Fraud Detector، لا توجد مدفوعات تُدفع مقدمًا ولا التزامات طويلة المدى ولا بنية أساسية تلزم إدارتها، بل إنك تدفع مقابل استخدامك الفعلي فقط.
أولاً، تحدد الحدث الذي تريد تقييمه لاكتشاف أي أنشطة احتيالية. بعد ذلك، تُحمِّل مجموعة بيانات متعلقة بالأحداث التاريخية إلى Amazon Simple Storage Service (Amazon S3) وتحدد نوع نموذج اكتشاف الاحتيال، الذي بدوره يحدد مجموعة الميزات والخوارزميات المحسَّنة لاكتشاف شكل معين من أشكال الاحتيال. ثم تقوم الخدمة تلقائيًا بتدريب نموذج اكتشاف احتيال مخصص واختباره ونشره بناءً على معلوماتك الفريدة. خلال هذه العملية، يُمكنك تعزيز أداء نموذجك من خلال سلسلة من النماذج المدربة مسبقًا على أنماط الاحتيال بناءً على AWS وخبرة Amazon في اكتشاف الاحتيال. ناتج هذا النموذج هو تنبؤ باحتمالية مخاطر الاحتيال، ويصدر هذا التنبؤ في شكل درجة تتراوح من 0 إلى 1000. وفي المرحلة النهائية من العملية، ستقوم بإعداد منطق القرار (على سبيل المثال، القواعد) لتفسير درجة النموذج وتعيين النتائج، مثل تمرير المعاملات أو إرسالها إلى محقّق بشري لمراجعتها.
وبعد إنشاء هذا الإطار العام، يمكنك إدماج واجهة واجهات التطبيقات البرمجية الخاصة بخدم Amazon Fraud Detector في وظائف المعاملات على موقعك الإلكتروني، مثل تسجيل الحساب أو دفع قيمة الطلب. تعالج Amazon Fraud Detector هذه الأنشطة في الوقت الفعلي وتقدم التنبؤات بالاحتيال خلال أجزاء من الثانية لمساعدتك في ضبط تجربة المستخدم النهائي لديك.
صُممت Amazon Fraud Detector لحالات الاستخدام المتعلقة بالاحتيال عبر الإنترنت التي تتطلب نماذج تعلم آلي في الوقت الفعلي وتقييمًا يستند إلى القواعد. على سبيل المثال:
نعم. يمكنك تخصيص Amazon Fraud Detector لكل حالة استخدام، عن طريق استخدام مزيج يجمع بين نماذج التعلم الآلي (ML) لـ Amazon Fraud Detector، ونماذج Amazon SageMaker، والقواعد. أولاً، اجمع بيانات المخاطر ذات الصلة كي يتم استخدامها كمدخلات لتقييم الاحتيال. تشمل هذه المعلومات عناوين البريد الإلكتروني، وأرقام الهواتف، وعناوين IP. تغذي هذه البيانات نموذج تعلم آلي، الذي يتوصل بدوره إلى درجة معينة. وأخيرًا، يمكنك استخدام قواعد الاكتشاف من أجل تفسير الدرجة وغيرها من بيانات المخاطر لصنع قرارات مثل الموافقة على مطالبة، أو إرسال الطلبات إلى محلّلي الاحتيال بغرض التحقيق. يمكن أن يكون أحد الأمثلة على قاعدة بسيطة وناتجها المقابل: “IF model_score < 50 & credit_card_country = US THEN approve_order.”
بفضل 20 عامًا من الخبرة في الاحتيال، أدركت Amazon كيف تزاول الجهات الفاعلة المسيئة مختلف أشكال الاحتيال عبر الإنترنت. تساعدك Amazon Fraud Detector في الاستفادة من هذه المعلومات. خلال العملية الآلية لتدريب النماذج، تستخدم Amazon Fraud Detector سلسلةً من النماذج المُدرَّبة على أنماط من AWS وخبرة Amazon الخاصة حول الاحتيال من أجل تعزيز أداء نموذجك.
تدرِِّب Amazon Fraud Detector نماذج التعلم الآلي لاكتشاف الاحتيال المخصَّصة وتختبرها وتنشرها تلقائيًا بناءً على بيانات الاحتيال التاريخية لديك، بدون الحاجة إلى خبرة في التعلم الآلي. بالنسبة إلى المطوّرين من ذوي الخبرة الأكبر في التعلم الآلي، يمكن إضافة نماذجك الخاصة إلى Amazon Fraud Detector باستخدام Amazon SageMaker.
تتيح Amazon Fraud Detector إمكانية إجراء التنبؤات بالاحتيال القائمة على القواعد باستخدام التعلم الآلي أو بدونه. مع Amazon Fraud Detector، يمكنك كتابة قواعد الاكتشاف (مثل: “IF model_score < 50 & credit_card_country = US THEN approve_order”) باستخدام لغة كتابة قواعد بسيطة. يمكنك أيضًا تحديد الطلب الذي تُحدثِه القواعد خلال إجراء تقييم باستخدام واجهة ذكية.
نعم، يمكنك مراجعة تقييمات الاحتيال السابقة لتدقيق منطق القرار باستخدام وحدة تحكم Amazon Fraud Detector. في وحدة تحكم Amazon Fraud Detector، يمكنك البحث عن الأحداث السابقة بناءً على خصائص الحدث و/أو منطق الاكتشاف المطبَّق، مثل النتيجة أو النماذج أو القواعد المستخدمة أو البيانات الوصفية للأحداث. يمكنك بعد ذلك التعمّق في كيفية تقييم منطق الاكتشاف لحدث معين.
لا. الأمن والخصوصية أهم شاغلين لدينا. لا تُشارك AWS بيانات العميل أبدًا؛ لأنها تُعد أحد مبادئنا الأساسية لكسب ثقة العملاء.