Amazon Fraud Detector ist seit dem 7. November 2025 nicht mehr für Neukunden geöffnet. Funktionen, die Amazon Fraud Detector ähneln, finden Sie SageMaker unter Amazon AutoGluon, 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.
# 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.
## Schritt 1: Wählen Sie Ihren geschäftlichen Anwendungsfall
+ 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-Konsole](https://console.aws.amazon.com/) und melden Sie sich bei Ihrem Konto an. Navigieren Sie zu Amazon Fraud Detector.
1. Wählen Sie im linken Navigationsbereich **Data Models Explorer** aus.
1. Wählen Sie auf der Seite **Data Models Explorer** unter **Business use case** die Option **New account fraud** aus.
1. 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.
1. 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.
## Schritt 2: Ereignistyp 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-Konsole](https://console.aws.amazon.com/) und melden Sie sich bei Ihrem Konto an. Navigieren Sie zu Amazon Fraud Detector.
1. Wählen Sie im linken Navigationsbereich **Ereignisse** aus.
1. Wählen Sie auf der **Seite Ereignistyp** die Option **Erstellen** aus.
1. Geben Sie `sample_registration` unter **Details zum Ereignistyp** den Namen des Ereignistyps und optional eine Beschreibung des Ereignisses ein.
1. Wählen Sie für **Entität** die Option **Entität erstellen** aus.
1. Geben `sample_customer` Sie auf der Seite „**Entität erstellen**“ den Namen des Entitätstyps ein. Geben Sie optional eine Beschreibung des Entitätstyps ein.
1. Klicken Sie auf **Create entity** (Entity erstellen).
1. Wählen Sie unter **Ereignisvariablen** für **Wählen Sie aus, wie die Variablen dieses Ereignisses definiert** werden sollen die **Option Variablen aus einem Trainingsdatensatz auswählen** aus.
1. Wählen Sie für **IAM-Rolle** die Option **IAM-Rolle erstellen** aus.
1. **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.**
1. 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`.
1. 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.
1. Wählen Sie unter **Labels — optional** für **Labels** die Option **Create new labels** aus.
1. Geben `fraud` Sie auf der Seite „**Etikett erstellen**“ den Namen ein. Diese Bezeichnung entspricht dem Wert, der die betrügerische Kontoregistrierung im Beispieldatensatz darstellt.
1. Wählen Sie **Label erstellen** aus.
1. 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.
1. Wählen Sie **Ereignistyp erstellen**.
## Schritt 3: Modell erstellen
1. Wählen Sie auf der Seite **Modelle** die Option **Modell hinzufügen** und dann **Modell erstellen** aus.
1. Geben Sie für **Schritt 1 — Modelldetails definieren** `sample_fraud_detection_model` den Modellnamen ein. Fügen Sie optional eine Beschreibung des Modells hinzu.
1. Wählen Sie als **Modelltyp** das Modell **Online Fraud Insights** aus.
1. Wählen Sie als **Ereignistyp** die Option **sample\$1registration** aus. Dies ist der Ereignistyp, den Sie in Schritt 1 erstellt haben.
1. Unter **Historische Ereignisdaten**
1. Wählen Sie **unter Ereignisdatenquelle** die Option **In S3 gespeicherte Ereignisdaten** aus.
1. Wählen Sie für die **IAM-Rolle** die Rolle aus, die Sie in Schritt 1 erstellt haben.
1. Geben Sie im Feld **Speicherort der Trainingsdaten** den S3-URI-Pfad zu Ihrer Beispieldatendatei ein.
1. Wählen Sie **Weiter** aus.
## Schritt 4: Modell trainieren
1. Lassen Sie **unter Modelleingaben** alle Kontrollkästchen aktiviert. Standardmäßig verwendet Amazon Fraud Detector alle Variablen aus Ihrem historischen Ereignisdatensatz als Modelleingaben.
1. Wählen Sie **unter Labelklassifizierung** für **Fraud-Labels** die Option **Betrug** aus, da dieses Label 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.
1. Behalten Sie für die **Behandlung unbeschrifteter Ereignisse** die Standardauswahl **Unbeschriftete Ereignisse ignorieren** für diesen Beispieldatensatz bei.
1. Wählen Sie **Weiter** aus.
1. 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**.