自動、即時地偵測信用卡詐騙
本指引向您介紹如何使用機器學習 (ML) 來建立動態、自我改善且可維護的詐騙偵測模型，專為中央銀行量身定制。隨著您的客戶越來越多地使用數位工具和服務，需要進階的欺詐偵測解決方案來應對惡意人士的詐騙活動。本指引可讓您執行自動化交易處理，同時即時監控數位貨幣交易，並偵測可疑活動，以便您在發生前採取行動以防止欺詐。因此，您可以在努力確保法規遵循時，改善數位貨幣的安全性與完整性。
請注意：[免責聲明]
架構圖
[架構圖說明]
步驟 1
An Amazon Simple Storage Service (Amazon S3) 儲存貯體包含信用卡交易範例資料集。
步驟 2
An Amazon SageMaker 筆記本執行個體包含不同的 ML 模型，這些模型將在資料集上進行訓練。
步驟 3
AWS Lambda 函數會處理範例資料集中的交易，並調用兩個 SageMaker 端點，該端點會將異常和分類得分指派給傳入的資料點。
步驟 4
Amazon API Gateway REST API 使用簽署的 HTTP 請求來調用預測。
步驟 5
Amazon Data Firehose (Kinesis Data Firehose 的後繼者) 交付串流會將已處理的交易載入另一個 Amazon S3 結果儲存貯體進行儲存。
步驟 6
交易已載入 Amazon S3 後，您可以使用分析工具和服務 (包括 Amazon QuickSight)，以進行視覺化、報告、個別查詢和更詳細的分析。
步驟 1
An Amazon Simple Storage Service (Amazon S3) 儲存貯體包含信用卡交易範例資料集。
步驟 2
An Amazon SageMaker 筆記本執行個體包含不同的 ML 模型，這些模型將在資料集上進行訓練。
步驟 3
AWS Lambda 函數會處理範例資料集中的交易，並調用兩個 SageMaker 端點，該端點會將異常和分類得分指派給傳入的資料點。
步驟 4
Amazon API Gateway REST API 使用簽署的 HTTP 請求來調用預測。
步驟 5
Amazon Data Firehose (Kinesis Data Firehose 的後繼者) 交付串流會將已處理的交易載入另一個 Amazon S3 結果儲存貯體進行儲存。
步驟 6
交易已載入 Amazon S3 後，您可以使用分析工具和服務 (包括 Amazon QuickSight)，以進行視覺化、報告、個別查詢和更詳細的分析。
Well-Architected 支柱
AWS Well-Architected Framework 可協助您了解在雲端建立系統時所做決策的利弊。該架構的六根支柱讓您能夠學習設計和操作可靠、安全、高效、經濟高效且永續的系統的架構最佳實務。使用 AWS Well-Architected Tool (在 AWS 管理主控台中免費提供)，您可以透過回答每根支柱的一組問題來針對這些最佳實務審查您的工作負載。
上方的架構圖是一個考量到 Well-Architected 最佳實務而建立的的解決方案的範例。若要完全實現 Well-Architected，您應該盡可能地多遵循 Well-Architected 的最佳實務。
-
卓越營運閱讀卓越營運白皮書
SageMaker 提供全受管 ML 工具，從資料準備到模型部署和監控，可自動化工作流程。這樣就不需要管理複雜的 ML 基礎設施。Lambda 可讓您執行程式碼，而無需佈建或管理伺服器，進一步降低營運負擔。此外，Amazon DynamoDB 可促進低延遲資料儲存與擷取，並最大限度地減少管理任務。最後，AWS Step Functions 可簡化複雜工作流程的協同運作，並提供內建錯誤處理功能，從而提升可靠性並減少手動干預的需求。
-
安全性閱讀安全白皮書
AWS Identity and Access Management (IAM) 可讓您實作最低權限原則，只授予獲授權使用者和服務執行預期任務所需的最低權限，從而降低未經授權存取或意外濫用的風險。Amazon Virtual Private Cloud (Amazon VPC) 針對本指引的構成元件提供邏輯隔離的環境，可讓您使用安全群組和網路存取控制清單來控制傳入和傳出流量。此外，Lambda 做為無伺服器服務，藉由最大限度地減少潛在受攻擊面來增強安全性。無需管理和保護基礎伺服器，同時降低伺服器設定錯誤或過時的軟體版本關聯的漏洞風險。
-
可靠性閱讀可靠性白皮書
Lambda 會根據傳入流量自動擴展運算資源，因此，您的應用程式無需手動干預即可處理需求波動，從而最大限度地減少停機時間。DynamoDB 提供跨多個可用區域的內建複寫，從而提供備援，並將基礎設施故障導致資料遺失的風險降至最低。最後，Step Functions 可協助您建立可靠且容錯的無伺服器工作流程。其內置功能，例如自動重試和錯誤處理，可協助任務從暫時故障中復原。
-
效能達成效率閱讀效能達成效率白皮書
Lambda 可讓您的應用程式無縫擴展並處理流量波動，而不會影響效能。DynamoDB 支援高輸送量和低延遲資料存取，讓您的詐騙偵測程序能夠即時運作，而不會出現效能瓶頸。此外，SageMaker 可自動化並加速 ML 模型開發生命週期，讓您能夠高效且快速地反覆運作和微調模型。這可改善模型準確度並提升整體解決方案效能。
-
成本最佳化閱讀成本最佳化白皮書
Lambda 使用可根據需求進行擴展的無伺服器運算模型，並且您只需依取用的運算時間付費。這可協助您避免與過度佈建或伺服器使用率不足關聯的成本。DynamoDB 消除了專用資料庫管理員及關聯成本，並且會自動擴展以適應流量波動，而無需手動干預。此外，SageMaker 還提供全受管 ML 環境，從而降低採購和維護軟硬體進行模型開發、訓練和部署的關聯成本。
-
永續發展閱讀永續發展白皮書
Lambda 可讓您的應用程式根據需求自動向上擴展或向下縮減，從而將應用程式不使用時的能源消耗降至最低。 SageMaker 提供受管 ML 環境，從而減少設定和維護專用 ML 基礎設施所需的能源和資源消耗。最後，DynamoDB 會根據流量模式自動擴展資源，最佳化資源用量，並最大限度地減少過度佈建或資料庫資源使用率不足的環境影響。
免責聲明
範例程式碼、軟體庫、命令列工具、概念驗證、範本或其他相關技術 (包括我們的人員提供的任何上述技術) 依據 AWS 客戶協議或您與 AWS 之間的相關書面協議 (以適用者為準) 作為 AWS 內容提供給您。您不得在您的生產帳戶、生產或其他關鍵資料中使用此 AWS 內容。您有責任根據您的特定品質控制實務和標準，依生產級用途來測試、保護和最佳化 AWS 內容 (如範例程式碼)。部署 AWS 內容可能會因建立或使用 AWS 收費資源 (如執行 Amazon EC2 執行個體或使用 Amazon S3 儲存) 而產生 AWS 費用。
本指引中對第三方服務或組織的參考並不意味著 Amazon 或 AWS 與第三方之間的認可、贊助或聯繫。AWS 的指引是技術起點，您可以在部署架構時自訂與第三方服務的整合。