Amazon Fraud Detector 常见问题

Amazon Fraud Detector 是一项完全托管式服务，可轻松识别潜在的欺诈性在线活动，例如在线支付欺诈和虚假账户创建。Amazon Fraud Detector 使用机器学习 (ML) 以及来自 Amazon Web Services (AWS) 和 Amazon.com 20 年积累的欺诈侦测专业知识，可在几毫秒内自动识别潜在的欺诈性活动。无需预付款或长期承诺，也无需由 Amazon Fraud Detector 管理的基础设施，您只需为实际使用量付费即可。

首先，定义要评估欺诈的事件。接下来，将历史事件数据集上载到 Amazon Simple Storage Service (Amazon S3)，并选择欺诈侦测模型类型，该类型指定为检测指定形式的欺诈而优化的特性和算法的组合。然后，该服务基于您的独特信息自动训练、测试和部署自定义欺诈侦测模型。在此过程中，您可以使用一系列基于 AWS 和亚马逊自己的欺诈专业知识针对欺诈模式进行预训练的模型来提高模型性能。模型的输出结果是范围从 0 到 1000 的分数，可预测欺诈风险的可能性。在此过程的最后阶段，您可以设置决策逻辑（例如规则）来解释模型的得分并分配结果，例如将交易传递或发送给人工调查人员进行审查。

创建此框架后，您可以将 Amazon Fraud Detector API 集成到网站的交易功能中，例如账户注册或订单结账。Amazon Fraud Detector 将实时处理这些活动，并在几毫秒内提供欺诈预测，从而帮助您调整最终用户体验。

Amazon Fraud Detector 专为需要实时 ML 建模和基于规则的评估的在线欺诈使用案例设计。例如：

• 账户注册过程中的新账户欺诈
• 在线身份欺诈 
• 在线订单支付欺诈
• 来宾结账欺诈
• 忠诚度账户保护
• 账户盗用检测
• 在线市场的卖方欺诈

符合。您可以结合使用 Amazon Fraud Detector ML 模型、Amazon SageMaker 模型和规则来为每个使用案例自定义 Amazon Fraud Detector。首先，收集相关的风险数据作为欺诈评估的输入。这些数据包括电子邮件地址、电话号码和 IP 地址。这些数据将输入一个 ML 模型，从而输出一个分数。最后，您可以使用检测规则来解释分数和其他风险数据以做出决策，例如批准索赔或将订单发送给欺诈分析师以进行调查。“IF model_score < 50 & credit_card_country = US THEN approve_order”就是一个简单规则和相应结果的示例。

在 20 年的欺诈经验中，Amazon 亲眼目睹了不法分子如何进行各种形式的在线欺诈。Amazon Fraud Detector 可帮助您利用这一知识。在自动模型训练过程中，Amazon Fraud Detector 使用一系列根据 AWS 和 Amazon 自己的欺诈专业知识所产生的模式训练的模型来提升模型性能。

Amazon Fraud Detector 可根据您的历史欺诈数据自动训练、测试和部署自定义欺诈侦测机器学习模型，而无需 ML 经验。对于具有更丰富机器学习经验的开发人员，您可以使用 Amazon SageMaker 将自己的模型添加到 Amazon Fraud Detector。

在 Amazon Fraud Detector 的帮助下，无论是否使用机器学习（ML），都可以执行基于规则的欺诈预测。使用 Amazon Fraud Detector，您可以使用简单的规则编写语言来编写检测规则（例如“IF model_score < 50 & credit_card_country = US THEN approve_order”)。您还可以使用直观的界面来指定规则在评估期间触发的顺序。

可以，您可以使用 Amazon Fraud Detector 控制台审查过去的欺诈评估，以审核决策逻辑。在 Amazon Fraud Detector 控制台中，您可以根据事件的特征和/或所应用的检测逻辑（例如结果、使用的模型或规则，或事件元数据）搜索过去的事件。然后，您可以深入了解检测逻辑是如何评估事件的。

不会，安全和隐私始终都是我们首要关注的问题。作为赢得客户信任的基本原则，AWS 将永远不会共享客户数据。