Teil A: Aufbau, Schulung und Implementierung eines Amazon Fraud Detector Detector-Modells - Amazon Fraud Detector

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.

Teil A: Aufbau, Schulung und Implementierung eines Amazon Fraud Detector Detector-Modells

In Teil A definieren Sie Ihren geschäftlichen Anwendungsfall, definieren Ihr Ereignis, erstellen ein Modell, trainieren das Modell, bewerten die Leistung des Modells und stellen das Modell bereit.

  • In diesem Schritt verwenden Sie den Datenmodell-Explorer, um Ihren Geschäftsanwendungsfall mit den von Amazon Fraud Detector unterstützten Modelltypen zur Betrugserkennung abzugleichen. Der Data Models Explorer ist ein in die Amazon Fraud Detector Detector-Konsole integriertes Tool, das einen Modelltyp empfiehlt, den Sie für die Erstellung und Schulung eines Betrugserkennungsmodells für Ihren geschäftlichen Anwendungsfall verwenden können. Der Datenmodell-Explorer bietet auch Einblicke in die obligatorischen, empfohlenen und optionalen Datenelemente, die Sie in Ihren Datensatz aufnehmen müssen. Der Datensatz wird verwendet, um Ihr Modell zur Betrugserkennung zu erstellen und zu trainieren.

    Für die Zwecke dieses Tutorials besteht Ihr geschäftlicher Anwendungsfall in der Registrierung neuer Konten. Nachdem Sie Ihren geschäftlichen Anwendungsfall spezifiziert haben, empfiehlt Ihnen der Datenmodell-Explorer einen Modelltyp für die Erstellung eines Modells zur Betrugserkennung und stellt Ihnen auch eine Liste der Datenelemente zur Verfügung, die Sie zur Erstellung Ihres Datensatzes benötigen. Da Sie bereits einen Beispieldatensatz mit Daten aus neuen Kontoregistrierungen hochgeladen haben, müssen Sie keinen neuen Datensatz erstellen.

    1. Öffnen Sie die AWS Management Console und melden Sie sich bei Ihrem Konto an. Navigieren Sie zu Amazon Fraud Detector.

    2. Wählen Sie im linken Navigationsbereich Data Models Explorer aus.

    3. Wählen Sie auf der Seite Data Models Explorer unter Business use case die Option New account fraud aus.

    4. Amazon Fraud Detector zeigt den empfohlenen Modelltyp an, der verwendet werden kann, um ein Modell zur Betrugserkennung für den ausgewählten Geschäftsanwendungsfall zu erstellen. Der Modelltyp definiert die Algorithmen, Erweiterungen und Transformationen, die Amazon Fraud Detector verwendet, um Ihr Betrugserkennungsmodell zu trainieren.

      Notieren Sie sich den empfohlenen Modelltyp. Sie benötigen ihn später, wenn Sie Ihr Modell erstellen.

    5. Der Bereich Einblicke in das Datenmodell bietet Einblick in die obligatorischen und empfohlenen Datenelemente, die für die Erstellung und Schulung eines Modells zur Betrugserkennung erforderlich sind.

      Sehen Sie sich den Beispieldatensatz an, den Sie heruntergeladen haben, und stellen Sie sicher, dass er alle obligatorischen und einige empfohlene Datenelemente enthält, die in der Tabelle aufgeführt sind.

      Wenn Sie später ein Modell für Ihren spezifischen Geschäftsanwendungsfall erstellen, werden Sie die gewonnenen Erkenntnisse nutzen, um Ihren Datensatz zu erstellen.

  • In diesem Schritt definieren Sie die Geschäftsaktivität (das Ereignis), die auf Betrug hin untersucht werden soll. Bei der Definition des Ereignisses müssen die Variablen, die sich in Ihrem Datensatz befinden, die Entität, die das Ereignis auslöst, und die Beschriftungen, die das Ereignis klassifizieren, festgelegt werden. In diesem Tutorial definieren Sie das Ereignis zur Kontoregistrierung.

    1. Öffnen Sie die AWS Management Console und melden Sie sich bei Ihrem Konto an. Navigieren Sie zu Amazon Fraud Detector.

    2. Wählen Sie im linken Navigationsbereich Ereignisse aus.

    3. Wählen Sie auf der Seite Ereignistyp die Option Erstellen aus.

    4. Geben Sie sample_registration unter Details zum Ereignistyp den Namen des Ereignistyps und optional eine Beschreibung des Ereignisses ein.

    5. Wählen Sie für Entität die Option Entität erstellen aus.

    6. Geben sample_customer Sie auf der Seite „Entität erstellen“ den Namen des Entitätstyps ein. Geben Sie optional eine Beschreibung des Entitätstyps ein.

    7. Klicken Sie auf Create entity (Entity erstellen).

    8. Wählen Sie unter Ereignisvariablen für Wählen Sie aus, wie die Variablen dieses Ereignisses definiert werden sollen die Option Variablen aus einem Trainingsdatensatz auswählen aus.

    9. Wählen Sie für IAM-Rolle die Option IAM-Rolle erstellen aus.

    10. Geben Sie auf der Seite „IAM-Rolle erstellen“ den Namen des S3-Buckets ein, in den Sie Ihre Beispieldaten hochgeladen haben, und wählen Sie Rolle erstellen aus.

    11. Geben Sie unter Datenspeicherort den Pfad zu Ihren Beispieldaten ein. Dies ist der S3 URI Pfad, den Sie nach dem Hochladen der Beispieldaten gespeichert haben. Der Pfad ist ähnlich wie folgt:S3://your-bucket-name/example dataset filename.csv.

    12. Klicken Sie auf Upload.

      Amazon Fraud Detector extrahiert die Header aus Ihrer Beispieldatendatei und ordnet sie einem Variablentyp zu. Die Zuordnung wird in der Konsole angezeigt.

    13. Wählen Sie unter Labels — optional für Labels die Option Create new labels aus.

    14. Geben fraud Sie auf der Seite „Etikett erstellen“ den Namen ein. Diese Bezeichnung entspricht dem Wert, der die betrügerische Kontoregistrierung im Beispieldatensatz darstellt.

    15. Wählen Sie Label erstellen aus.

    16. Erstellen Sie ein zweites Label und geben Sie es dann legit als Namen ein. Diese Bezeichnung entspricht dem Wert, der die legitime Kontoregistrierung im Beispieldatensatz darstellt.

    17. Wählen Sie Ereignistyp erstellen.

  1. Wählen Sie auf der Seite Modelle die Option Modell hinzufügen und dann Modell erstellen aus.

  2. Geben Sie für Schritt 1 — Modelldetails definieren sample_fraud_detection_model den Modellnamen ein. Fügen Sie optional eine Beschreibung des Modells hinzu.

  3. Wählen Sie als Modelltyp das Modell Online Fraud Insights aus.

  4. Wählen Sie als Ereignistyp die Option sample_registration aus. Dies ist der Ereignistyp, den Sie in Schritt 1 erstellt haben.

  5. Unter Historische Ereignisdaten

    1. Wählen Sie unter Ereignisdatenquelle die Option In S3 gespeicherte Ereignisdaten aus.

    2. Wählen Sie für die IAM-Rolle die Rolle aus, die Sie in Schritt 1 erstellt haben.

    3. Geben Sie im Feld Speicherort der Trainingsdaten den S3-URI-Pfad zu Ihrer Beispieldatendatei ein.

  6. Wählen Sie Weiter.

  1. Lassen Sie unter Modelleingaben alle Kontrollkästchen aktiviert. Standardmäßig verwendet Amazon Fraud Detector alle Variablen aus Ihrem historischen Ereignisdatensatz als Modelleingaben.

  2. Wählen Sie unter Labelklassifizierung für Fraud-Labels die Option Betrug aus, da diese Bezeichnung dem Wert entspricht, der betrügerische Ereignisse im Beispieldatensatz darstellt. Wählen Sie für Legitime Labels die Option legitim aus, da diese Bezeichnung dem Wert entspricht, der legitime Ereignisse im Beispieldatensatz darstellt.

  3. Behalten Sie für die Behandlung unbeschrifteter Ereignisse die Standardauswahl Unbeschriftete Ereignisse ignorieren für diesen Beispieldatensatz bei.

  4. Wählen Sie Weiter.

  5. Wählen Sie nach der Überprüfung das Modell erstellen und trainieren aus. Amazon Fraud Detector erstellt ein Modell und beginnt mit dem Training einer neuen Version des Modells.

    In Modellversionen gibt die Spalte Status den Status des Modelltrainings an. Das Modelltraining, das den Beispieldatensatz verwendet, dauert ungefähr 45 Minuten. Der Status ändert sich nach Abschluss des Modelltrainings in Bereit zur Bereitstellung.

Ein wichtiger Schritt bei der Verwendung von Amazon Fraud Detector besteht darin, die Genauigkeit Ihres Modells anhand von Modellwerten und Leistungskennzahlen zu bewerten. Nach Abschluss des Modelltrainings validiert Amazon Fraud Detector die Modellleistung anhand der 15% Ihrer Daten, die nicht zum Trainieren des Modells verwendet wurden, und generiert einen Modellleistungswert und andere Leistungskennzahlen.

  1. Um die Leistung des Modells zu überprüfen,

    1. Wählen Sie im linken Navigationsbereich der Amazon Fraud Detector Detector-Konsole Modelle aus.

    2. Wählen Sie auf der Seite Modelle das Modell aus, das Sie gerade trainiert haben (sample_fraud_detection_model), und wählen Sie dann 1.0. Dies ist die Version, die Amazon Fraud Detector für Ihr Modell erstellt hat.

  2. Sehen Sie sich die Gesamtpunktzahl der Modellleistung und alle anderen Kennzahlen an, die Amazon Fraud Detector für dieses Modell generiert hat.

    Weitere Informationen zum Leistungswert des Modells und zu den Leistungskennzahlen auf dieser Seite finden Sie unter Das Modell bewertet undModellieren Sie Leistungskennzahlen.

    Sie können davon ausgehen, dass alle Ihre trainierten Amazon Fraud Detector Detector-Modelle über reale Leistungskennzahlen zur Betrugserkennung verfügen, die den Leistungskennzahlen ähneln, die Sie für das Modell in diesem Tutorial sehen.

Nachdem Sie die Leistungskennzahlen Ihres trainierten Modells überprüft haben und bereit sind, es zur Erstellung von Betrugsprognosen zu verwenden, können Sie das Modell einsetzen.

  1. Wählen Sie im linken Navigationsbereich der Amazon Fraud Detector Detector-Konsole Modelle aus.

  2. Wählen Sie auf der Seite Modelle die Option sample_fraud_detection_model und dann die spezifische Modellversion aus, die Sie bereitstellen möchten. Wählen Sie für dieses Tutorial 1.0.

  3. Wählen Sie auf der Seite Modellversion die Option Aktionen und dann Modellversion bereitstellen aus.

  4. In den Modellversionen zeigt der Status den Status der Bereitstellung an. Der Status ändert sich nach Abschluss der Bereitstellung in Aktiv. Dies bedeutet, dass die Modellversion aktiviert ist und für die Erstellung von Betrugsprognosen verfügbar ist. Fahren Sie fortTeil B: Generieren Sie Betrugsprognosen, um die Schritte zur Generierung von Betrugsprognosen abzuschließen.