Amazon Fraud Detector dejará de estar abierto a nuevos clientes a partir del 7 de noviembre de 2025. Para obtener funciones similares a Amazon Fraud Detector, explore Amazon SageMaker, AutoGluon, y AWS WAF.
Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Tutorial: Cómo empezar a utilizar la consola Amazon Fraud Detector
Este tutorial consta de dos partes. La primera parte describe cómo crear, entrenar e implementar un modelo de detección de fraudes. La segunda parte explica cómo utilizar el modelo para generar predicciones de fraude en tiempo real. El modelo se entrena con el archivo de datos de ejemplo que se carga en un bucket de S3. Al final de este tutorial, debe completar las siguientes acciones:
+ Cree y entrene un modelo de Amazon Fraud Detector
+ Genere predicciones de fraude en tiempo real
**importante**
Antes de continuar, asegúrese de haber seguido las instrucciones para [Obtenga y cargue un conjunto de datos de ejemplo](step-1-get-s3-data.md)
# Parte A: Construir, entrenar e implementar un modelo de Amazon Fraud Detector
En la parte A, define su caso de uso empresarial, define su evento, crea un modelo, entrena el modelo, evalúa el rendimiento del modelo e implementa el modelo.
## Paso 1: Elija su caso de uso empresarial
+ En este paso, utiliza el **explorador de modelos de datos** para hacer coincidir su caso de uso empresarial con los tipos de modelos de detección de fraudes compatibles con Amazon Fraud Detector. El explorador de modelos de datos es una herramienta integrada en la consola de Amazon Fraud Detector que recomienda un tipo de modelo para crear y entrenar un modelo de detección de fraudes para su caso de uso empresarial. El explorador de modelos de datos también proporciona información sobre los elementos de datos obligatorios, recomendados y opcionales que necesitará incluir en su conjunto de datos. El conjunto de datos se utilizará para crear y entrenar su modelo de detección de fraudes.
A los efectos de este tutorial, su caso de uso empresarial es el registro de nuevas cuentas. Una vez que especifiques tu caso de uso empresarial, el explorador de modelos de datos te recomendará un tipo de modelo para crear un modelo de detección de fraudes y también te proporcionará una lista de los elementos de datos que necesitarás para crear tu conjunto de datos. Como ya ha cargado un conjunto de datos de muestra que contiene datos de nuevos registros de cuentas, no necesita crear un conjunto de datos nuevo.
1. Inicie sesión en la [Consola de administración de AWS](https://console.aws.amazon.com/) e inicie sesión en su cuenta. Dirígete a Amazon Fraud Detector.
1. En el panel de navegación izquierdo, selecciona el **explorador de modelos de datos**.
1. En la página del **explorador de modelos de datos**, en **Caso de uso empresarial**, selecciona **Fraude de cuentas nuevas**.
1. Amazon Fraud Detector muestra el tipo de modelo recomendado para crear un modelo de detección de fraudes para el caso de uso empresarial seleccionado. El tipo de modelo define los algoritmos, las mejoras y las transformaciones que Amazon Fraud Detector utilizará para entrenar tu modelo de detección de fraudes.
Anote el tipo de modelo recomendado. Lo necesitará más adelante cuando cree el modelo.
1. El panel de **información del modelo de datos** proporciona información sobre los elementos de datos obligatorios y recomendados necesarios para crear y entrenar un modelo de detección de fraudes.
Eche un vistazo al conjunto de datos de muestra que ha descargado y asegúrese de que contiene todos los elementos de datos obligatorios y algunos recomendados que figuran en la tabla.
Más adelante, cuando crees un modelo para tu caso de uso empresarial específico, utilizarás la información proporcionada para crear tu conjunto de datos.
## Paso 2: Crea el tipo de evento
+ En este paso, se define la actividad empresarial (evento) que se va a evaluar en busca de fraude. La definición del evento implica establecer las variables que se encuentran en el conjunto de datos, la entidad que inicia el evento y las etiquetas que clasifican el evento. En este tutorial, defina el evento de registro de la cuenta.
1. Inicie sesión en la [Consola de administración de AWS](https://console.aws.amazon.com/) e inicie sesión en su cuenta. Dirígete a Amazon Fraud Detector.
1. En el panel de navegación izquierdo, elija **Events**.
1. En la página **de tipos de eventos**, selecciona **Crear**.
1. En **Detalles del tipo de evento**, introduzca `sample_registration` el nombre del tipo de evento y, si lo desea, introduzca una descripción del evento.
1. En **Entidad**, elija **Crear entidad**.
1. En la página **Crear entidad**, introduzca `sample_customer` el nombre del tipo de entidad. Si lo desea, introduzca una descripción del tipo de entidad.
1. Seleccione **Create entity (Crear entidad)**.
1. En **Variables de evento**, en **Elija cómo definir las variables de este evento**, elija **Seleccionar variables de un conjunto de datos de entrenamiento**.
1. En Función de **IAM, selecciona Crear función** **de IAM.**
1. **En la página **Crear función de IAM**, introduzca el nombre del depósito de S3 en el que ha cargado los datos de ejemplo y seleccione Crear función.**
1. En **Ubicación de datos**, introduce la ruta a tus datos de ejemplo. Esta es la `S3 URI` ruta que guardó después de cargar los datos del ejemplo. La ruta es similar a esta:`S3://your-bucket-name/example dataset filename.csv`.
1. Seleccione **Cargar**.
Amazon Fraud Detector extrae los encabezados del archivo de datos de ejemplo y los asigna a un tipo de variable. El mapeo se muestra en la consola.
1. En **Etiquetas (opcional)**, en **Etiquetas**, elija **Crear etiquetas nuevas**.
1. En la página **Crear etiqueta**, introduzca `fraud` como nombre. Esta etiqueta corresponde al valor que representa el registro fraudulento de la cuenta en el conjunto de datos de ejemplo.
1. Selecciona **Crear etiqueta**.
1. Cree una segunda etiqueta y, a continuación, `legit` introdúzcala como nombre. Esta etiqueta corresponde al valor que representa el registro de la cuenta legítima en el conjunto de datos de ejemplo.
1. Elige **Crear tipo de evento**.
## Paso 3: Crear un modelo
1. En la página de **modelos**, seleccione **Añadir modelo** y, a continuación, seleccione **Crear modelo**.
1. En el **paso 1: Definir los detalles del modelo**, introduzca `sample_fraud_detection_model` el nombre del modelo. Si lo desea, añada una descripción del modelo.
1. Para el **tipo de modelo**, elija el modelo **Online Fraud Insights**.
1. Para el **tipo de evento**, elija **sample\$1registration**. Este es el tipo de evento que creó en el paso 1.
1. En **Datos históricos de eventos**,
1. En **Fuente de datos de eventos**, elija **Datos de eventos almacenados en S3**.
1. Para el **rol de IAM**, seleccione el rol que creó en el paso 1.
1. En **Ubicación de datos de entrenamiento**, introduce la ruta URI de S3 al archivo de datos de ejemplo.
1. Elija **Siguiente**.
## Paso 4: modelo de tren
1. En **las entradas del modelo**, deje todas las casillas marcadas. De forma predeterminada, Amazon Fraud Detector utiliza todas las variables del conjunto de datos de eventos históricos como entradas del modelo.
1. En la **clasificación de etiquetas**, para **las etiquetas de fraude**, elija **fraude**, ya que esta etiqueta corresponde al valor que representa los eventos fraudulentos en el conjunto de datos de ejemplo. En **las etiquetas legítimas**, elija **legítimas, ya** que esta etiqueta corresponde al valor que representa los eventos legítimos en el conjunto de datos de ejemplo.
1. Para el **tratamiento de eventos sin etiqueta**, mantenga la selección predeterminada **Ignorar eventos sin etiquetar** para este conjunto de datos de ejemplo.
1. Elija **Siguiente**.
1. Tras revisarlo, elija **Crear y entrenar el modelo**. Amazon Fraud Detector crea un modelo y comienza a entrenar una nueva versión del modelo.
En **las versiones del modelo**, la columna **Estado** indica el estado del entrenamiento del modelo. El entrenamiento del modelo que usa el conjunto de datos de ejemplo tarda aproximadamente 45 minutos en completarse. El estado cambia a **Listo para implementar** una vez finalizado el entrenamiento con el modelo.
# Paso 5: Revise el rendimiento del modelo
Un paso importante a la hora de utilizar Amazon Fraud Detector es evaluar la precisión del modelo mediante las puntuaciones del modelo y las métricas de rendimiento. Una vez finalizada la formación del modelo, Amazon Fraud Detector valida el rendimiento del modelo utilizando el 15% de los datos que no se utilizaron para entrenar el modelo y genera una puntuación de rendimiento del modelo y otras métricas de rendimiento.
1. Para ver el rendimiento del modelo,
1. En el panel de navegación izquierdo de la consola de Amazon Fraud Detector, selecciona **Modelos**.
1. **En la página de **modelos**, elige el modelo que acabas de entrenar (**sample\$1fraud\$1detection\$1model) y, a continuación**, selecciona 1.0.** Esta es la versión que Amazon Fraud Detector creó de tu modelo.
1. Observe la puntuación general de **rendimiento del modelo** y todas las demás métricas que Amazon Fraud Detector generó para este modelo.
Para obtener más información sobre la puntuación de rendimiento del modelo y las métricas de rendimiento en esta página, consulte [Puntuaciones del modelo](model-scores.md) y[Métricas de rendimiento del modelo](training-performance-metrics.md).
Puedes esperar que todos tus modelos de Amazon Fraud Detector que estén entrenados tengan métricas de rendimiento de detección de fraudes reales similares a las métricas de rendimiento que ves para el modelo en este tutorial.
# Paso 6: Implemente el modelo
Una vez que haya revisado las métricas de rendimiento del modelo entrenado y esté listo para usarlo para generar predicciones de fraude, podrá implementar el modelo.
1. En el panel de navegación izquierdo de la consola de Amazon Fraud Detector, selecciona **Modelos**.
1. En la página de **modelos**, elija **sample\$1fraud\$1detection\$1model y, a continuación, elija la versión de modelo** específica que desee implementar. **Para este tutorial, elija 1.0.**
1. En la página de la **versión del modelo**, elija **Acciones** y, a continuación, elija **Implementar la versión del modelo**.
1. En las **versiones del modelo**, el **estado** muestra el estado de la implementación. El estado cambia a **Activo** cuando se completa el despliegue. Esto indica que la versión del modelo está activada y disponible para generar predicciones de fraude. Continúe [Parte B: Genere predicciones de fraude](part-b.md) hasta completar los pasos para generar predicciones de fraude.
# Parte B: Genere predicciones de fraude
La predicción del fraude es una evaluación del fraude en relación con una actividad empresarial (evento). Amazon Fraud Detector utiliza detectores para generar predicciones de fraude. Un detector contiene una lógica de detección, como modelos y reglas, para un evento específico que desee evaluar para detectar un fraude. La lógica de detección utiliza reglas para indicar a Amazon Fraud Detector cómo interpretar los datos asociados al modelo. En este tutorial, evaluará el evento de registro de la cuenta utilizando el conjunto de datos de ejemplo de registro de la cuenta que cargó anteriormente.
En la parte A, creó, entrenó e implementó su modelo. En la parte B, se crea un detector para el tipo de `sample_registration` evento, se añade el modelo desplegado, se crean las reglas y una orden de ejecución de las reglas y, a continuación, se crea y activa una versión del detector que se utiliza para generar predicciones de fraude.
## Paso 1: Construye un detector
**Para crear un detector**
1. En el panel de navegación izquierdo de la consola de Amazon Fraud Detector, selecciona **Detectores**.
1. Seleccione **Crear detector**.
1. En la página **Definir detalles del detector**, introduzca `sample_detector` el nombre del detector. Si lo desea, introduzca una descripción para el detector, por ejemplo`my sample fraud detector`.
1. **En Tipo de evento**, seleccione **sample\$1registration**. Este es el evento que creó en la parte A de este tutorial.
1. Elija **Siguiente**.
## Paso 2: Añadir el modelo
Si has completado la parte A de este tutorial, es probable que ya tengas un modelo de Amazon Fraud Detector disponible para añadirlo a tu detector. Si aún no ha creado un modelo, vaya a la parte A y complete los pasos para crear, entrenar e implementar un modelo y, a continuación, continúe con la parte B.
1. En la opción **Añadir modelo**, elija **Añadir modelo**.
1. En la página **Añadir modelo**, en **Seleccione el modelo**, elija el nombre del modelo de Amazon Fraud Detector que implementó anteriormente. En **Seleccione la versión**, elija la versión del modelo implementado.
1. Elija **Add model (Añadir modelo)**.
1. Elija **Siguiente**.
## Paso 3: Añadir reglas
Una regla es una condición que indica a Amazon Fraud Detector cómo interpretar la puntuación de rendimiento del modelo al evaluar la predicción del fraude. Para este tutorial, debe crear tres reglas: `high_fraud_risk``medium_fraud_risk`, y`low_fraud_risk`.
1. En la página **Añadir reglas**, en **Definir una regla**, introduzca `high_fraud_risk` el nombre de la regla y, en **Descripción (opcional)**, introduzca **This rule captures events with a high ML model score** la descripción de la regla.
1. En **Expression**, introduzca la siguiente expresión de regla con el lenguaje de expresiones de reglas simplificado de Amazon Fraud Detector:
`$sample_fraud_detection_model_insightscore > 900`
1. En **Resultados**, elija **Crear un resultado nuevo**. Un resultado es el resultado de una predicción de fraude y se devuelve si la regla coincide durante una evaluación.
1. En **Crear un resultado nuevo**, introduzca `verify_customer` el nombre del resultado. Si lo desea, introduzca una descripción.
1. Selecciona **Guardar resultado**.
1. Seleccione **Añadir regla** para ejecutar el comprobador de validación de reglas y guardar la regla. Una vez creada, Amazon Fraud Detector pone la regla a tu disposición para que la utilices en tu detector.
1. Selecciona **Añadir otra regla** y, a continuación, selecciona la pestaña **Crear regla**.
1. Repita este proceso dos veces más para crear sus `low_fraud_risk` reglas `medium_fraud_risk` y utilizando los siguientes detalles de la regla:
+ riesgo\$1de\$1fraude medio
Nombre de la regla: `medium_fraud_risk`
Resultado: `review`
Expresión:
`$sample_fraud_detection_model_insightscore <= 900 and`
`$sample_fraud_detection_model_insightscore > 700`
+ bajo riesgo de fraude
Nombre de la regla: `low_fraud_risk`
Resultado: `approve`
Expresión:
`$sample_fraud_detection_model_insightscore <= 700`
Estos valores son ejemplos que se utilizan en este tutorial. Cuando cree reglas para su propio detector, utilice valores que sean adecuados para su modelo y su caso de uso,
1. Una vez que haya creado las tres reglas, elija **Siguiente**.
Para obtener más información sobre cómo crear y escribir reglas, consulte [Reglas](rules.md) y[Referencia de lenguaje de reglas](rule-language-reference.md).
## Paso 4: Configurar la ejecución y el orden de las reglas
El modo de ejecución de las reglas que se incluyen en el detector determina si se evalúan todas las reglas que defina o si la evaluación de las reglas se detiene en la primera regla coincidente. Y el orden de las reglas determina el orden en el que desea que se ejecute la regla.
El modo de ejecución de reglas predeterminado es`FIRST_MATCHED`.
**Primera coincidencia**
El modo de ejecución de la primera regla coincidente devuelve los resultados de la primera regla coincidente en función del orden de reglas definido. Si especifica `FIRST_MATCHED`, Amazon Fraud Detector evalúa las reglas secuencialmente, de la primera a la última, y se detiene en la primera regla que coincida. A continuación, Amazon Fraud Detector proporciona los resultados de esa única regla.
El orden en que se ejecuten las reglas puede afectar al resultado de la predicción del fraude resultante. Una vez que haya creado las reglas, reordene las reglas para ejecutarlas en el orden deseado siguiendo estos pasos:
Si la `high_fraud_risk` regla aún no aparece en la parte superior de la lista de reglas, selecciona **Ordenar** y, a continuación, elige **1**. Esto se mueve `high_fraud_risk` a la primera posición.
Repite este proceso para que la `medium_fraud_risk` regla esté en la segunda posición y la `low_fraud_risk` regla en la tercera posición.
**Todos coincidieron**
El modo de ejecución de todas las reglas coincidentes devuelve los resultados de todas las reglas coincidentes, independientemente del orden de las reglas. Si lo especificas`ALL_MATCHED`, Amazon Fraud Detector evalúa todas las reglas y devuelve los resultados de todas las reglas coincidentes.
Seleccione esta opción `FIRST_MATCHED` para este tutorial y, a continuación, elija **Siguiente**.
# Paso 5: Revise y cree la versión del detector
Una versión con detector define los modelos y reglas específicos que se utilizan para generar predicciones de fraude.
1. En la página **Revisar y crear**, revise los detalles, los modelos y las reglas del detector que configuró. Si necesita realizar algún cambio, elija **Editar** junto a la sección correspondiente.
1. Seleccione **Crear detector**. Una vez creado, la primera versión del detector aparece en la tabla de versiones del detector con `Draft` su estado.
La versión **preliminar** se utiliza para probar el detector.
# Paso 6: Pruebe y active la versión del detector
En la consola de Amazon Fraud Detector, puede probar la lógica de su detector mediante datos simulados con la función **Ejecutar prueba**. Para este tutorial, puede usar los datos de registro de la cuenta del conjunto de datos de ejemplo.
1. Desplázate hasta **Ejecutar una prueba** en la parte inferior de la página de **detalles de la versión del Detector**.
1. En el caso de **los metadatos del evento**, introduce una marca de tiempo del momento en que ocurrió el evento e introduce un identificador único para la entidad que realiza el evento. Para este tutorial, seleccione una fecha en el selector de fechas para la marca de tiempo e introduzca «1234» como identificador de la entidad.
1. **En Variable de evento**, ingresa los valores de las variables que deseas probar. Para este tutorial, solo necesita los `email_address` campos `ip_address` y. Esto se debe a que son las entradas que se utilizan para entrenar su modelo de Amazon Fraud Detector. Puede utilizar los siguientes valores de ejemplo. Esto supone que ha utilizado los nombres de variables sugeridos:
+ dirección\$1ip: `205.251.233.178`
+ dirección\$1correo electrónico: `johndoe@exampledomain.com`
1. Elija **Ejecutar prueba**.
1. Amazon Fraud Detector devuelve el resultado de la predicción del fraude en función del modo de ejecución de la regla. Si el modo de ejecución de la regla es`FIRST_MATCHED`, el resultado devuelto corresponde a la primera regla que coincidió. La primera regla es la que tiene la prioridad más alta. Coincide si se evalúa como verdadera. Si el modo de ejecución de la regla es`ALL_MATCHED`, el resultado devuelto corresponde a todas las reglas que coinciden. Eso significa que se evalúa que todas son verdaderas. Amazon Fraud Detector también devuelve la puntuación del modelo de todos los modelos añadidos al detector.
Puede cambiar las entradas y ejecutar un par de pruebas para ver diferentes resultados. Puedes usar los valores *ip\$1address* y *email\$1address* del conjunto de datos de ejemplo para las pruebas y comprobar si los resultados son los esperados.
1. Cuando esté satisfecho con el funcionamiento del detector, muévalo de a. `Draft` `Active` De este modo, el detector estará disponible para su uso en la detección de fraudes en tiempo real.
En la página de **detalles de la versión del detector**, selecciona **Acciones**, **Publicar** y **Publicar versión**. Esto cambia el estado del detector de **Borrador** a **Activo.**
En este punto, su modelo y la lógica de detección asociada están listos para evaluar las actividades en línea en busca de fraude en tiempo real mediante la `GetEventPrediction` API Amazon Fraud Detector. También puede evaluar los eventos fuera de línea mediante un archivo de entrada CSV y la `CreateBatchPredictionJob` API. Para obtener más información sobre la predicción del fraude, consulte [Predicciones de fraude](getting-fraud-predictions.md)
Al completar este tutorial, hizo lo siguiente:
+ Se cargó un conjunto de datos de eventos de ejemplo en Amazon S3.
+ Creé y entrené un modelo de detección de fraudes de Amazon Fraud Detector utilizando el conjunto de datos de ejemplo.
+ He visto la puntuación de rendimiento del modelo y otras métricas de rendimiento generadas por Amazon Fraud Detector.
+ Implementó el modelo de detección de fraudes.
+ Creó un detector y agregó el modelo implementado.
+ Se agregaron las reglas, el orden de ejecución de las reglas y los resultados al detector.
+ Probé el detector proporcionando diferentes entradas y comprobando si las reglas y el orden de ejecución de las reglas funcionaban según lo esperado.
+ Se activó el detector publicándolo.