Amazon Fraud Detector steht seit dem 7. November 2025 nicht mehr für Neukunden zur Verfügung. Funktionen, die denen von Amazon Fraud Detector ähneln SageMaker AutoGluon, finden Sie unter Amazon und AWS WAF.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Ein Modell erstellen

Die Modelle von Amazon Fraud Detector lernen, Betrug für einen bestimmten Ereignistyp zu erkennen. In Amazon Fraud Detector erstellen Sie zunächst ein Modell, das als Container für Ihre Modellversionen dient. Jedes Mal, wenn Sie ein Modell trainieren, wird eine neue Version erstellt. Einzelheiten zum Erstellen und Trainieren eines Modells mit der AWS Konsole finden Sie unterSchritt 3: Modell erstellen.

Jedes Modell hat eine entsprechende Modellbewertungsvariable. Amazon Fraud Detector erstellt diese Variable in Ihrem Namen, wenn Sie ein Modell erstellen. Sie können diese Variable in Ihren Regelausdrücken verwenden, um Ihre Modellergebnisse während einer Betrugsbewertung zu interpretieren.

Trainieren und implementieren Sie ein Modell mithilfe der AWS SDK für Python (Boto3)

Eine Modellversion wird durch Aufrufen der CreateModelVersion Operationen CreateModel und erstellt. CreateModelinitiiert das Modell, das als Container für Ihre Modellversionen fungiert. CreateModelVersionstartet den Trainingsprozess, der zu einer bestimmten Version des Modells führt. Eine neue Version der Lösung wird bei jedem Aufruf erstellt CreateModelVersion.

Das folgende Beispiel zeigt eine Beispielanforderung für die CreateModel API. In diesem Beispiel wird der Modelltyp Online Fraud Insights erstellt und es wird davon ausgegangen, dass Sie einen Ereignistyp erstellt habensample_registration. Weitere Informationen zum Erstellen eines Ereignistyps finden Sie unterErstellen Sie einen Ereignistyp.

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.create_model (
modelId = 'sample_fraud_detection_model',
eventTypeName = 'sample_registration',
modelType = 'ONLINE_FRAUD_INSIGHTS')

Trainieren Sie Ihre erste Version mithilfe der CreateModelVersion API. ExternalEventsDetailGeben Sie für TrainingDataSource und die Quelle und den Amazon S3-Speicherort des Trainingsdatensatzes an. TrainingDataSchemaGeben Sie dazu an, wie Amazon Fraud Detector die Trainingsdaten interpretieren soll, insbesondere, welche Ereignisvariablen berücksichtigt werden sollen und wie die Event-Labels zu klassifizieren sind. Standardmäßig ignoriert Amazon Fraud Detector die Ereignisse ohne Label. In diesem Beispielcode wird AUTO for verwendet, unlabeledEventsTreatment um anzugeben, dass Amazon Fraud Detector entscheidet, wie die Ereignisse ohne Label verwendet werden.

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.create_model_version (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
trainingDataSource = 'EXTERNAL_EVENTS',
trainingDataSchema = {
    'modelVariables' : ['ip_address', 'email_address'],
    'labelSchema' : {
        'labelMapper' : {
            'FRAUD' : ['fraud'],
            'LEGIT' : ['legit']
        }
       unlabeledEventsTreatment = 'AUTO'
    }
}, 
externalEventsDetail = {
    'dataLocation' : 's3://bucket/file.csv',
    'dataAccessRoleArn' : 'role_arn'
}
)

Eine erfolgreiche Anfrage führt zu einer neuen Modellversion mit StatusTRAINING_IN_PROGRESS. Sie können das Training jederzeit während der Schulung abbrechen, indem Sie anrufen UpdateModelVersionStatus und den Status auf aktualisierenTRAINING_CANCELLED. Sobald das Training abgeschlossen ist, wird der Status der Modellversion auf aktualisiertTRAINING_COMPLETE. Sie können die Leistung des Modells mithilfe der Amazon Fraud Detector-Konsole oder telefonisch überprüfenDescribeModelVersions. Weitere Informationen zur Interpretation von Modellwerten und Leistung finden Sie unter Das Modell punktet undModellieren Sie Leistungskennzahlen.

Nachdem Sie die Modellleistung überprüft haben, aktivieren Sie das Modell, damit es von Detectors für Betrugsvorhersagen in Echtzeit verwendet werden kann. Amazon Fraud Detector stellt das Modell aus Redundanzgründen in mehreren Verfügbarkeitszonen bereit, wobei die automatische Skalierung aktiviert ist, um sicherzustellen, dass das Modell mit der Anzahl Ihrer Betrugsvorhersagen skaliert wird. Um das Modell zu aktivieren, rufen Sie die UpdateModelVersionStatus API auf und aktualisieren Sie den Status auf. ACTIVE

import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.update_model_version_status (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
modelVersionNumber = '1.00',
status = 'ACTIVE'
)