Amazon Fraud Detector ya no estará disponible para nuevos clientes a partir del 7 de noviembre de 2025. Para obtener capacidades similares a las de Amazon Fraud Detector SageMaker AutoGluon, explore Amazon 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.
# Información sobre el fraude en línea
Online Fraud Insights es un modelo de aprendizaje automático supervisado, lo que significa que utiliza ejemplos históricos de transacciones fraudulentas y legítimas para entrenar el modelo. El modelo Online Fraud Insights puede detectar el fraude basándose en pocos datos históricos. Los datos del modelo son flexibles, por lo que puedes adaptarlo para detectar una variedad de riesgos de fraude, como las opiniones falsas, el abuso de promociones y el fraude al pagar por parte de los huéspedes.
El modelo Online Fraud Insights utiliza un conjunto de algoritmos de aprendizaje automático para el enriquecimiento, la transformación y la clasificación del fraude de los datos. Como parte del proceso de formación modelo, Online Fraud Insights enriquece los datos sin procesar, como la dirección IP y el número BIN, con datos de terceros, como la geolocalización de la dirección IP o del banco emisor de una tarjeta de crédito. Además de los datos de terceros, Online Fraud Insights utiliza algoritmos de aprendizaje profundo que tienen en cuenta los patrones de fraude detectados en Amazon y. AWS Estos patrones de fraude se convierten en características de entrada para su modelo mediante un algoritmo de aumento del árbol de gradientes.
Para aumentar el rendimiento, Online Fraud Insights optimiza los hiperparámetros del algoritmo de aumento del árbol de gradientes mediante un proceso de optimización bayesiano. Entrena secuencialmente docenas de modelos diferentes con diferentes parámetros del modelo (como el número de árboles, la profundidad de los árboles y el número de muestras por hoja). También utiliza diferentes estrategias de optimización, como aumentar la proporción de casos de fraude minoritarios para reducir las tasas de fraude.
## Selección de la fuente de datos
Al entrenar un modelo de Online Fraud Insights, puede optar por entrenar el modelo a partir de datos de eventos que se almacenan externamente (fuera de Amazon Fraud Detector) o en Amazon Fraud Detector. El almacenamiento externo que Amazon Fraud Detector admite actualmente es Amazon Simple Storage Service (Amazon S3). Si utiliza almacenamiento externo, su conjunto de datos de eventos debe cargarse en formato de valores separados por comas (CSV) a un bucket de Amazon S3. En la configuración de entrenamiento del modelo, estas opciones de almacenamiento de datos se denominan EXTERNAL\_EVENTS (para almacenamiento externo) e INGESTED\_EVENTS (para almacenamiento interno). Para obtener más información sobre las fuentes de datos disponibles y cómo almacenar datos en ellas, consulte. [Almacenamiento de datos de eventos](event-data-storage.md)
## Preparación de datos
Independientemente de dónde decida almacenar los datos de sus eventos (Amazon S3 o Amazon Fraud Detector), los requisitos para el tipo de modelo Online Fraud Insights son los mismos.
Su conjunto de datos debe contener el encabezado de la columna EVENT\_LABEL. Esta variable clasifica un evento como fraudulento o legítimo. Cuando utilices un archivo CSV (almacenamiento externo), debes incluir EVENT\_LABEL para cada evento del archivo. Para el almacenamiento interno, el campo EVENT\_LABEL es opcional, pero todos los eventos deben estar etiquetados para poder incluirse en un conjunto de datos de entrenamiento. Al configurar tu modelo de entrenamiento, puedes elegir entre ignorar los eventos sin etiquetar, asumir una etiqueta legítima para los eventos sin etiquetar o asumir una etiqueta fraudulenta para todos los eventos sin etiquetar.
## Selección de datos
Consulte [ Recopilar datos de eventos ](https://docs.aws.amazon.com/frauddetector/latest/ug/create-event-dataset.html#gather-event-data) para obtener información sobre cómo seleccionar datos para entrenar su modelo de información sobre el fraude en línea.
El proceso de formación de Online Fraud Insights muestra y divide los datos históricos en función de EVENT\_TIMESTAMP. No es necesario muestrear los datos manualmente y hacerlo puede afectar negativamente a los resultados del modelo.
## Variables de eventos
El modelo Online Fraud Insights requiere al menos dos variables, además de los metadatos de los eventos requeridos, que hayan pasado la validación de [ datos ](https://docs.aws.amazon.com/frauddetector/latest/ug/create-event-dataset.html#dataset-validation) para la capacitación sobre modelos y permite hasta 100 variables por modelo. Por lo general, cuantas más variables proporciones, mejor podrá el modelo diferenciar entre eventos fraudulentos y legítimos. Si bien el modelo Online Fraud Insights puede admitir docenas de variables, incluidas variables personalizadas, recomendamos incluir la dirección IP y la dirección de correo electrónico, ya que estas variables suelen ser más eficaces para identificar a la entidad que se está evaluando.
## Validación de los datos
Como parte del proceso de formación, Online Fraud Insights validará el conjunto de datos para detectar problemas de calidad de los datos que puedan afectar a la formación de modelos. Tras validar los datos, Amazon Fraud Detector tomará las medidas adecuadas para crear el mejor modelo posible. Esto incluye emitir advertencias sobre posibles problemas de calidad de los datos, eliminar automáticamente las variables que tienen problemas de calidad de los datos o emitir un error y detener el proceso de entrenamiento del modelo. Para obtener más información, consulte la validación [ de conjuntos de datos](https://docs.aws.amazon.com/frauddetector/latest/ug/create-event-dataset.html#dataset-validation).