我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料，以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用，但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。
如果您同意，AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定，並顯示相關內容，包括相關廣告。若要接受或拒絕所有非必要 Cookie，請按一下「接受」或「拒絕」。若要進行更詳細的選擇，請按一下「自訂」。
必要 Cookie 對於我們所提供的網站和服務而是必要的，而且無法停用。它們的設定通常是對您在網站上的動作的回應，例如，設定您的隱私偏好、登入或填寫表單。
效能 Cookie 提供有關客戶如何瀏覽我們網站的匿名統計資料，以便我們改善網站體驗和效能。獲核准的第三方可代表我們執行分析，但他們無法將資料用於自己的用途。
功能 Cookie 可協助我們提供實用的網站功能、記住您的偏好設定，以及顯示相關內容，獲核准的第三方可能會設定這些 Cookie 以提供特定網站功能。若您不允許這些 Cookie，則部分或全部服務可能無法正常運作。
我們或我們的廣告合作夥伴可以透過網站對廣告 Cookie 進行設定，協助我們提供相關的行銷內容。若您不允許這些 Cookie，您將看到相關程度較低的廣告。
封鎖部分類型的 Cookie 可能會影響您在使用我們的網站時的體驗。您可以隨時在本網站頁尾按一下「Cookie 偏好設定」來變更您的 Cookie 偏好設定。若要進一步了解我們和獲核准的第三方如何在我們的網站上使用 Cookie，請閱讀我們的 AWS Cookie 通知。
我們會在 AWS 網站和其他資產上顯示與您興趣相關的廣告，包括跨情境行為廣告。跨情境行為廣告使用來自一個網站或應用程式的資料，在不同公司的網站或應用程式上向您投放廣告。
若要不允許 AWS 根據 Cookie 或類似技術進行跨情境行為廣告，請在下方選取「不允許」並「儲存隱私權選擇」，或造訪已啟用法律認可拒絕訊號的 AWS 網站，例如全域隱私權控制。如果您刪除 Cookie 或從其他瀏覽器或裝置造訪本網站，您需要重新選擇。如需關於 Cookie 及其使用方式的詳細資訊，請參閱 AWS Cookie 聲明。
若要不允許所有其他 AWS 跨情境行為廣告，請透過電子郵件填寫此表單。
如需有關 AWS 如何處理您的資訊的詳細資訊，請閱讀 AWS 隱私權聲明。
我們目前只會儲存基本 Cookie，因為我們無法儲存您的 Cookie 偏好設定。
如果您想要變更 Cookie 偏好設定，請稍後使用 AWS 主控台頁尾中的連結重試，如果問題仍存在，請聯絡支援部門。
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：
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。