Amazon Fraud Detector n'est plus ouvert aux nouveaux clients depuis le 7 novembre 2025. Pour des fonctionnalités similaires à Amazon Fraud Detector, explorez Amazon SageMaker AutoGluon, et AWS WAF.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Création d'un détecteur
<a name="create-a-detector"></a>

Vous créez un détecteur en spécifiant le type d'événement que vous avez déjà défini. Vous pouvez éventuellement ajouter un modèle déjà formé et déployé par Amazon Fraud Detector. Si vous ajoutez un modèle, vous pouvez utiliser le score du modèle généré par Amazon Fraud Detector dans votre expression de règle lors de la création d'une règle (par exemple,`$model score < 90`).

 Vous pouvez créer un détecteur dans la console Amazon Fraud Detector à l'aide de l'[PutDetector](https://docs.aws.amazon.com//frauddetector/latest/api/API_PutDetector.html)API, de la commande [put-detector](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/frauddetector/put-detector.html) ou du AWS SDK. Si vous utilisez une API, une commande ou un SDK pour créer un détecteur, après avoir créé le détecteur, suivez les instructions pour[Création d'une version du détecteur](create-a-detector-version.md). 

## Création d'un détecteur dans la console Amazon Fraud Detector
<a name="create-detector-console"></a>

Cet exemple suppose que vous avez créé un type d'événement et que vous avez également créé et déployé une version du modèle que vous souhaitez utiliser pour la prévision des fraudes.

### Étape 1 : Construire un détecteur
<a name="step-1-build-detector-console"></a>

1. Dans le volet de navigation de gauche de la console Amazon Fraud Detector, choisissez **Detectors**.

1. Choisissez **Créer un détecteur**.

1. Sur la page **Définir les détails du détecteur**, entrez `sample_detector` le nom du détecteur. Entrez éventuellement une description du détecteur, telle que`my sample fraud detector`.

1. Pour **Type d'événement**, sélectionnez le type d'événement que vous avez créé pour la prévision des fraudes.

1. Choisissez **Suivant**. 

### Étape 2 : ajouter une version de modèle déployée
<a name="add-deployed-model-console"></a>

1. Notez qu'il s'agit d'une étape facultative. Il n'est pas nécessaire d'ajouter un modèle à votre détecteur. Pour sauter cette étape, choisissez **Next** (Suivant).

1. Dans le champ **Ajouter un modèle (facultatif)**, sélectionnez **Ajouter un modèle**.

1. Sur la page **Ajouter un modèle**, pour **Sélectionner un modèle**, choisissez le nom du modèle Amazon Fraud Detector que vous avez déployé précédemment. Pour **Sélectionner une version**, choisissez la version du modèle déployé.

1. Choisissez **Add model**.

1. Choisissez **Suivant**.

### Étape 3 : Ajouter des règles
<a name="add-rules-to-detector-console"></a>

Une règle est une condition qui indique à Amazon Fraud Detector comment interpréter les valeurs des variables lors d'une évaluation visant à prédire les fraudes. Cet exemple créera trois règles en utilisant les scores du modèle comme valeurs variables : `high_fraud_risk``medium_fraud_risk`, et`low_fraud_risk`. Pour créer vos propres règles, expressions de règles, ordre d'exécution des règles et résultats, utilisez des valeurs adaptées à votre modèle et à votre cas d'utilisation.

1. Sur la page **Ajouter des règles**, sous **Définir une règle**, entrez `high_fraud_risk` le nom de la règle et sous **Description - facultatif**, entrez **This rule captures events with a high ML model score** comme description de la règle.

1. Dans **Expression, entrez l'expression** de règle suivante en utilisant le langage d'expression de règles simplifié d'Amazon Fraud Detector :

   `$sample_fraud_detection_model_insightscore > 900`

1. Dans **Résultats**, choisissez **Créer un nouveau résultat**. Un résultat est le résultat d'une prédiction de fraude et est renvoyé si la règle correspond lors d'une évaluation. 

1. Dans **Créer un nouveau résultat**, entrez le `verify_customer` nom du résultat. Entrez éventuellement une description.

1. Choisissez **Enregistrer le résultat**. 

1. Choisissez **Ajouter une règle** pour exécuter le vérificateur de validation des règles et enregistrer la règle. Une fois la règle créée, Amazon Fraud Detector met la règle à disposition de votre détecteur.

1. Choisissez **Ajouter une autre règle**, puis cliquez sur l'onglet **Créer une règle**. 

1. Répétez ce processus deux fois de plus pour créer vos `low_fraud_risk` règles `medium_fraud_risk` and à l'aide des détails suivants : 
   + risque\$1de\$1fraude moyen

     Nom de la règle : `medium_fraud_risk`

     Résultat : `review`

     Expression :

     `$sample_fraud_detection_model_insightscore <= 900 and`

     `$sample_fraud_detection_model_insightscore > 700`
   + faible risque de fraude

     Nom de la règle : `low_fraud_risk`

     Résultat : `approve`

     Expression :

     `$sample_fraud_detection_model_insightscore <= 700`

1. Après avoir créé toutes les règles pour votre cas d'utilisation, choisissez **Next**. 

   Pour plus d'informations sur la création et la rédaction de règles, reportez-vous aux [Rules](rules.md) sections et[Référence du langage des règles](rule-language-reference.md).

### Étape 4 : Configuration de l'exécution et de l'ordre des règles
<a name="get-start-define-rule-order-console"></a>

Le mode d'exécution des règles incluses dans le détecteur détermine si toutes les règles que vous définissez sont évaluées ou si l'évaluation des règles s'arrête à la première règle correspondante. Et l'ordre des règles détermine l'ordre dans lequel vous souhaitez que la règle soit exécutée. 

Le mode d'exécution des règles par défaut est`FIRST_MATCHED`. 

**Premier appariement**  
Le mode d'exécution de la première règle correspondante renvoie les résultats de la première règle correspondante en fonction de l'ordre des règles défini. Si vous spécifiez `FIRST_MATCHED`, Amazon Fraud Detector évalue les règles de manière séquentielle, de la première à la dernière, en s'arrêtant à la première règle correspondante. Amazon Fraud Detector fournit ensuite les résultats pour cette seule règle.   
L'ordre dans lequel vous exécutez les règles peut avoir une incidence sur le résultat de la prédiction des fraudes. Après avoir créé vos règles, réorganisez-les pour les exécuter dans l'ordre souhaité en procédant comme suit :   
Si votre `high_fraud_risk` règle ne figure pas déjà en haut de votre liste de règles, choisissez **Ordre**, puis choisissez **1**. Cela passe `high_fraud_risk` à la première position.  
Répétez ce processus pour que votre `medium_fraud_risk` règle soit en deuxième position et votre `low_fraud_risk` règle en troisième position.

**Tous assortis**  
Le mode d'exécution de toutes les règles correspondantes renvoie les résultats pour toutes les règles correspondantes, quel que soit l'ordre des règles. Si vous le spécifiez`ALL_MATCHED`, Amazon Fraud Detector évalue toutes les règles et renvoie les résultats pour toutes les règles correspondantes.

Sélectionnez `FIRST_MATCHED` ce didacticiel, puis cliquez sur **Suivant**.

### Étape 5 : révision et création de la version du détecteur
<a name="get-start-review-and-create-detector-version-console"></a>

Une version du détecteur définit les modèles et règles spécifiques utilisés pour générer des prédictions de fraude.

1. Sur la page **Réviser et créer**, passez en revue les détails du détecteur, les modèles et les règles que vous avez configurés. Si vous devez apporter des modifications, choisissez **Modifier** à côté de la section correspondante.

1. Choisissez **Créer un détecteur**. Une fois créée, la première version de votre détecteur apparaît dans le tableau des versions du détecteur avec `Draft` son état.

   Vous utilisez la version **Brouillon** pour tester votre détecteur.

## Créez un détecteur à l'aide du AWS SDK pour Python (Boto3)
<a name="create-a-detector-using-the-aws-python-sdk"></a>

L'exemple suivant montre un exemple de demande pour l'`PutDetector`API. Un détecteur fait office de conteneur pour vos versions de détecteurs. L'`PutDetector`API indique le type d'événement que le détecteur évaluera. L'exemple suivant suppose que vous avez créé un type d'événement`sample_registration`.

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

fraudDetector.put_detector (
detectorId = 'sample_detector',
eventTypeName = 'sample_registration'
)
```