Amazon Fraud Detector 常見問答集

Amazon Fraud Detector 是一項全受管服務，可輕鬆識別潛在的詐騙線上活動，例如線上支付詐騙及建立虛假帳戶。Amazon Fraud Detector 使用機器學習 (ML) 以及 Amazon Web Services (AWS) 和 Amazon.com 超過 20 年的詐騙偵測專業知識，在毫秒內自動識別潛在的詐騙活動。無須支付預付款或簽訂長期合約，而且使用 Amazon Fraud Detector 無須管理基礎設施；您只需按實際用量付費。

首先，定義要評估詐騙的事件。接下來，將歷史事件資料集上傳至 Amazon Simple Storage Service (Amazon S3)，並選取詐騙偵測模型類型，該模型指定經過最佳化的功能和演算法組合，以偵測特定形式的詐騙。然後，此服務會根據您的獨特資訊自動訓練、測試和部署自訂詐騙偵測模型。在此過程中，您可以根據 AWS 和 Amazon 自有的詐騙專業知識，使用一系列在詐騙模式下預先訓練的模型來提升您的模型效能。模型的輸出為範圍從 0 至 1,000 的分數，可預測詐騙風險的可能性。在程序的最後階段，設定決策邏輯 (例如規則) 來解釋模型分數並指派結果，例如將通過交易或將其傳送至人工調查人員進行檢閱。

建立此架構後，您可以將 Amazon Fraud Detector API 整合到網站的交易功能，例如帳戶註冊或結帳。Amazon Fraud Detector 將即時處理這些活動，並在毫秒內提供詐騙預測，以協助您調整最終使用者體驗。

Amazon Fraud Detector 專為需要即時 ML 建模和規則型評估的線上詐騙使用案例而設計。例如：

• 帳戶註冊過程中的新帳戶詐騙
• 線上身分詐騙 
• 線上訂單支付詐騙
• 來賓結帳詐騙
• 忠誠帳戶保護
• 帳戶接管偵測
• 線上市場中的賣方詐騙

是。您可以結合使用 Amazon Fraud Detector ML 模型、Amazon SageMaker 模型和規則，為每個使用案例自訂 Amazon Fraud Detector。首先，收集相關的風險資料用作詐騙評估輸入。這些資料包括電子郵件地址、電話號碼和 IP 地址。此資料將輸入至 ML 模型中，該模型則輸出分數。最後，您可以使用偵測規則，來解釋分數和其他風險資料以做出決策，例如核准索賠或將訂單傳送至詐騙分析師進行調查。一個簡單規則和相應結果的範例可能如下所示︰"IF model_score < 50 & credit_card_country = US THEN approve_order"。

憑藉 20 年的防詐騙經驗，Amazon 親眼目睹了惡意人士如何進行各種形式的線上詐騙。Amazon Fraud Detector 可協助您充分利用此專業知識。在自動模型訓練過程中，Amazon Fraud Detector 使用一系列根據 AWS 模式和 Amazon 自己的詐騙專業知識訓練的模型，來提升模型的效能。

Amazon Fraud Detector 可根據您的歷史詐騙資料，自動訓練、測試和部署自訂詐騙偵測機器學習模型，您無須任何 ML 經驗。若是具有更豐富的機器學習經驗的開發人員，則可以使用 Amazon SageMaker 將自己的模型新增至 Amazon Fraud Detector 中。

無論是否使用 ML，Amazon Fraud Detector 都可以執行基於規則的詐騙預測。藉助 Amazon Fraud Detector，您可以使用簡單的規則編寫語言，來編寫偵測規則 (例如"IF model_score < 50 & credit_card_country = US THEN approve_order")。此外，您還可以使用直覺化介面，來指定評估期間觸發規則的順序。

是的，您可以使用 Amazon Fraud Detector 主控台，檢閱過去的詐騙評估，以稽核決策邏輯。在 Amazon Fraud Detector 主控台中，您可以根據事件的特徵及/或套用的偵測邏輯，例如結果、使用的模型或規則或事件中繼資料，來搜尋過去的事件。然後，您可以深入了解偵測邏輯如何評估事件。

不會，安全和隱私是我們的首要考量。作為贏得客戶信任的基本原則，AWS 絕不會共享客戶資料。