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.
# Stockage des données d'événements
Après avoir rassemblé votre ensemble de données, vous le stockez en interne avec Amazon Fraud Detector ou en externe avec Amazon Simple Storage Service (Amazon S3). Nous vous recommandons de choisir où stocker votre ensemble de données en fonction du modèle que vous utilisez pour générer des prévisions de fraude. Vous trouverez ci-dessous une description détaillée de ces deux options de stockage.
+ **Stockage interne :** votre ensemble de données est stocké avec Amazon Fraud Detector. Toutes les données associées à un événement sont stockées ensemble. Vous pouvez télécharger le jeu de données d'événements stocké dans Amazon Fraud Detector à tout moment. Vous pouvez soit diffuser les événements un par un vers une API Amazon Fraud Detector, soit importer des ensembles de données volumineux (jusqu'à 1 Go) à l'aide de la fonctionnalité d'importation par lots. Lorsque vous entraînez un modèle à l'aide du jeu de données stocké avec Amazon Fraud Detector, vous pouvez spécifier une plage de temps pour limiter la taille de votre ensemble de données.
+ **Stockage externe :** votre ensemble de données est stocké dans une source de données externe autre qu'Amazon Fraud Detector. Amazon Fraud Detector prend actuellement en charge l'utilisation d'Amazon Simple Storage Service (Amazon S3) à cette fin. Si votre modèle se trouve sur un fichier chargé sur Amazon S3, ce fichier ne peut pas contenir plus de 5 Go de données non compressées. Si c'est plus que cela, assurez-vous de raccourcir la plage de temps de votre jeu de données.
Le tableau suivant fournit des informations détaillées sur le type de modèle et la source de données qu'il prend en charge.
| Type de modèle | Source de données d'entraînement compatible |
| --- | --- |
| Informations sur la fraude en ligne | Stockage externe, Stockage interne |
| Informations sur les fraudes transactionnelles | Stockage interne |
| Informations sur le rachat de comptes | Stockage interne |
Pour plus d'informations sur le stockage externe de votre ensemble de données avec Amazon Simple Storage Service, consultez[Stockez les données de vos événements en externe avec Amazon S3](uploading-event-data-to-an-s3-bucket.md). Pour plus d'informations sur le stockage interne de votre ensemble de données avec Amazon Fraud Detector, consultez[Stockez les données de vos événements en interne avec Amazon Fraud Detector](storing-event-data-afd.md).
# Stockez les données de vos événements en externe avec Amazon S3
Si vous formez un modèle Online Fraud Insights, vous pouvez choisir de stocker les données de vos événements en externe avec Amazon S3. Pour stocker les données de vos événements dans Amazon S3, vous devez d'abord créer un fichier texte au format CSV, ajouter vos données d'événement, puis charger le fichier CSV dans un compartiment Amazon S3.
**Note**
Les modèles **Transaction Fraud Insights** et **Account Takeover Insights** ne prennent pas en charge les ensembles de données stockés en externe avec Amazon S3
# Création d'un fichier CSV
Amazon Fraud Detector exige que la première ligne de votre fichier CSV contienne des en-têtes de colonne. Les en-têtes de colonne de votre fichier CSV doivent correspondre aux variables définies dans le type d'événement. Pour un exemple de jeu de données, voir [Obtenir et télécharger un exemple de jeu de données](step-1-get-s3-data.md)
Le modèle Online Fraud Insights nécessite un ensemble de données de formation comportant au moins 2 variables et jusqu'à 100 variables. Outre les variables d'événement, le jeu de données d'entraînement doit contenir les en-têtes suivants :
+ EVENT\$1TIMESTAMP - Définit le moment où l'événement s'est produit
+ EVENT\$1LABEL : classe l'événement comme frauduleux ou légitime. Les valeurs de la colonne doivent correspondre aux valeurs définies dans le type d'événement.
Les exemples de données CSV suivants représentent l'historique des événements d'enregistrement d'un marchand en ligne :
```
EVENT_TIMESTAMP,EVENT_LABEL,ip_address,email_address
4/10/2019 11:05,fraud,209.146.137.48,fake_burtonlinda@example.net
12/20/2018 20:04,legit,203.0.112.189,fake_davidbutler@example.org
3/14/2019 10:56,legit,169.255.33.54,fake_shelby76@example.net
1/3/2019 8:38,legit,192.119.44.26,fake_curtis40@example.com
9/25/2019 3:12,legit,192.169.85.29,fake_rmiranda@example.org
```
**Note**
Le fichier de données CSV peut contenir des guillemets et des virgules dans le cadre de vos données.
Une version simplifiée du type d'événement correspondant est représentée ci-dessous. Les variables d'événement correspondent aux en-têtes du fichier CSV et les valeurs `EVENT_LABEL` correspondent aux valeurs de la liste des étiquettes.
```
(
name = 'sample_registration',
eventVariables = ['ip_address', 'email_address'],
labels = ['legit', 'fraud'],
entityTypes = ['sample_customer']
)
```
## Formats d'horodatage des événements
Assurez-vous que l'horodatage de votre événement est au format requis. Dans le cadre du processus de création du modèle, le type de modèle Online Fraud Insights classe vos données en fonction de l'horodatage de l'événement et les divise à des fins de formation et de test. Pour obtenir une estimation juste des performances, le modèle s'entraîne d'abord sur le jeu de données d'entraînement, puis teste ce modèle sur le jeu de données de test.
Amazon Fraud Detector prend en charge les date/timestamp formats suivants pour les valeurs utilisées `EVENT_TIMESTAMP` lors de la formation des modèles :
+ %YYYY-%MM-%DDT%HH : %mm : %sSz (norme ISO 8601 en UTC uniquement, sans millisecondes)
Exemple : 2019-11-30T 13:01:01 Z
+ %yyyy/%mm/%dd %hh : %mm : %ss (AM/PM)
Exemples : 2019/11/30 13:01:01 ou 2019/11/30 13:01:01
+ %mm/%dd/%yyyy %hh : %mm : %s
Exemples : 30/11/2019 13:01:01, 30/11/2019 13:01:01
+ %mm/%dd/%yy %hh : %mm : %s
Exemples : 30/11/19 13:01:01, 30/11/19 13:01:01
Amazon Fraud Detector part des hypothèses suivantes lors de l'analyse des date/timestamp formats pour les horodatages des événements :
+ Si vous utilisez la norme ISO 8601, elle doit correspondre exactement à la spécification précédente
+ Si vous utilisez l'un des autres formats, vous bénéficiez d'une flexibilité supplémentaire :
+ Pendant des mois et des jours, vous pouvez fournir un ou deux chiffres. Par exemple, le 1/12/2019 est une date valide.
+ Vous n'avez pas besoin d'inclure hh:mm:ss si vous ne les avez pas (vous pouvez simplement fournir une date). Vous pouvez également fournir un sous-ensemble des heures et des minutes uniquement (par exemple, hh:mm). Le simple fait de fournir une heure n'est pas pris en charge. Les millisecondes ne sont pas non plus prises en charge.
+ Si vous fournissez des AM/PM étiquettes, une horloge de 12 heures est supposée. S'il n'y a aucune AM/PM information, une horloge de 24 heures est supposée.
+ Vous pouvez utiliser «/» ou « - » comme délimiteurs pour les éléments de date. « : » est supposé pour les éléments d'horodatage.
## Échantillonnage de votre ensemble de données au fil
Nous vous recommandons de fournir des exemples de fraude et des échantillons légitimes datant de la même période. Par exemple, si vous signalez des cas de fraude survenus au cours des 6 derniers mois, vous devez également indiquer des événements légitimes qui s'étendent uniformément sur la même période. Si votre ensemble de données contient une répartition très inégale des fraudes et des événements légitimes, le message d'erreur suivant peut s'afficher : *« La répartition des fraudes dans le temps fluctue de manière inacceptable. Impossible de diviser correctement le jeu de données. »* Généralement, la solution la plus simple à cette erreur consiste à s'assurer que les cas de fraude et les événements légitimes sont échantillonnés de manière uniforme sur la même période. Il se peut également que vous deviez supprimer des données si vous êtes confronté à une forte augmentation du nombre de fraudes en peu de temps.
Si vous ne pouvez pas générer suffisamment de données pour créer un ensemble de données uniformément distribué, une approche consiste à randomiser l'EVENT\$1TIMESTAMP de vos événements afin qu'ils soient répartis de manière uniforme. Cependant, cela rend souvent les indicateurs de performance irréalistes, car Amazon Fraud Detector utilise EVENT\$1TIMESTAMP pour évaluer les modèles sur le sous-ensemble d'événements approprié dans votre ensemble de données.
## Valeurs nulles et manquantes
Amazon Fraud Detector gère les valeurs nulles et manquantes. Cependant, le pourcentage de valeurs nulles pour les variables doit être limité. Les colonnes EVENT\$1TIMESTAMP et EVENT\$1LABEL ne doivent pas contenir de valeurs manquantes.
## Validation des fichiers
Amazon Fraud Detector ne parviendra pas à entraîner un modèle si l'une des conditions suivantes se produit :
+ Si le CSV ne peut pas être analysé
+ Si le type de données d'une colonne est incorrect
# Téléchargez les données de vos événements dans un compartiment Amazon S3
Après avoir créé un fichier CSV contenant les données de votre événement, chargez-le dans votre compartiment Amazon S3.
**Pour télécharger vers un compartiment Amazon S3**
1. Connectez-vous à la console Amazon S3 AWS Management Console et ouvrez-la à l'adresse [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/).
1. Choisissez **Créer un compartiment**.
L'Assistant **Create bucket (Créer un compartiment)** s'ouvre.
1. Dans **Bucket name (Nom du compartiment)**, saisissez un nom compatible DNS pour votre compartiment.
Le nom du compartiment doit présenter les caractéristiques suivantes :
+ Il doit être unique sur l'ensemble d'Amazon S3.
+ Il doit comporter entre 3 et 63 caractères.
+ Ne contient pas de majuscules.
+ Il doit commencer par une minuscule ou un chiffre.
Une fois le compartiment créé, vous ne pouvez pas changer son nom. Pour plus d'informations sur la dénomination des compartiments, consultez les [règles de dénomination des compartiments](https://docs.aws.amazon.com/AmazonS3/latest/userguide/BucketRestrictions.html#bucketnamingrules) dans le *guide de l'utilisateur d'Amazon Simple Storage Service*.
**Important**
Évitez d’inclure des informations sensibles, notamment des numéros de compte, dans le nom du compartiment. Le nom du bucket est visible URLs là où pointent les objets du bucket.
1. Dans **Région**, choisissez la AWS région dans laquelle vous souhaitez que le bucket réside. Vous devez sélectionner la région dans laquelle vous utilisez Amazon Fraud Detector, à savoir USA Est (Virginie du Nord), USA Est (Ohio), USA Ouest (Oregon), Europe (Irlande), Asie-Pacifique (Singapour) ou Asie-Pacifique (Sydney).
1. Dans **Paramètres de compartiment pour Bloquer l'accès public**, choisissez les paramètres de blocage de l'accès public que vous souhaitez appliquer au compartiment.
Nous vous recommandons de laisser tous les paramètres activés. Pour plus d'informations sur le blocage de l'accès public, consultez la section [Blocage de l'accès public à votre espace de stockage Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/dev/access-control-block-public-access.html) dans le *guide de l'utilisateur d'Amazon Simple Storage Service*.
1. Choisissez **Créer un compartiment**.
1. Téléchargez le fichier de données d'entraînement dans votre compartiment Amazon S3. Notez le chemin d'emplacement Amazon S3 de votre fichier de formation (par exemple, s3://bucketname/object.csv).
# Stockez les données de vos événements en interne avec Amazon Fraud Detector
Vous pouvez choisir de stocker les données des événements dans Amazon Fraud Detector et de les utiliser ultérieurement pour entraîner vos modèles. En stockant les données des événements dans Amazon Fraud Detector, vous pouvez entraîner des modèles qui utilisent des variables calculées automatiquement pour améliorer les performances, simplifier le réentraînement des modèles et mettre à jour les étiquettes de fraude afin de boucler la boucle de feedback liée au machine learning. Les événements sont stockés au niveau des ressources du type d'événement, de sorte que tous les événements du même type d'événement sont stockés ensemble dans un seul ensemble de données de types d'événements. Dans le cadre de la définition d'un type d'événement, vous pouvez éventuellement spécifier si vous souhaitez stocker des événements pour ce type d'événement en activant le paramètre *Event Ingestion* dans la console Amazon Fraud Detector.
Vous pouvez soit stocker des événements uniques, soit importer un grand nombre de jeux de données d'événements dans Amazon Fraud Detector. Les événements uniques peuvent être diffusés en continu à l'aide de l'[GetEventPrediction](https://docs.aws.amazon.com//frauddetector/latest/api/API_GetEventPrediction.html)API ou de l'[SendEvent](https://docs.aws.amazon.com//frauddetector/latest/api/API_SendEvent.html)API. Les grands ensembles de données peuvent être importés rapidement et facilement dans Amazon Fraud Detector à l'aide de la fonctionnalité d'importation par lots de la console Amazon Fraud Detector ou de l'[CreateBatchImportJob](https://docs.aws.amazon.com//frauddetector/latest/api/API_CreateBatchImportJob.html)API.
Vous pouvez utiliser la console Amazon Fraud Detector à tout moment pour vérifier le nombre d'événements déjà enregistrés pour chaque type d'événement.
# Préparation des données d'événements pour le stockage
Les données d'événements stockées en interne avec Amazon Fraud Detector sont stockées au niveau `Event Type` des ressources. Ainsi, toutes les données d'événement issues du même événement sont stockées dans un seul et même événement`Event Type`. Les événements enregistrés peuvent ensuite être utilisés pour entraîner un nouveau modèle ou réentraîner un modèle existant. Lorsque vous entraînez un modèle à l'aide des données d'événements stockées, vous pouvez éventuellement spécifier une plage temporelle d'événements afin de limiter la taille de votre ensemble de données d'entraînement.
Chaque fois que vous stockez vos données dans Amazon Fraud Detector, à l'aide de la console Amazon Fraud Detector, de l'`SendEvent`API ou de l'`CreateBatchImportJob`API, Amazon Fraud Detector valide vos données avant de les stocker. Si la validation de vos données échoue, les données de l'événement ne sont pas stockées.
**Conditions préalables au stockage de données en interne avec Amazon Fraud Detector**
+ Pour vous assurer que les données de votre événement passent la validation et que le jeu de données est correctement stocké, assurez-vous d'avoir utilisé les informations fournies par l'[explorateur de modèles de données](https://docs.aws.amazon.com/frauddetector/latest/ug/create-event-dataset.html#prepare-event-dataset) pour préparer votre ensemble de données.
+ Vous avez créé un type d'événement pour les données d'événements que vous souhaitez stocker avec Amazon Fraud Detector. Si ce n'est pas le cas, suivez les instructions pour [créer un type d'événement](https://docs.aws.amazon.com//frauddetector/latest/ug/create-event-type.html).
## Validation intelligente des données
Lorsque vous chargez votre ensemble de données dans la console Amazon Fraud Detector pour une importation par lots, Amazon Fraud Detector utilise la validation intelligente des données (SDV) pour valider votre ensemble de données avant d'importer vos données. SDV analyse le fichier de données téléchargé et identifie les problèmes tels que les données manquantes, le format ou les types de données incorrects. Outre la validation de votre ensemble de données, SDV fournit également un rapport de validation répertoriant tous les problèmes identifiés et proposant des actions pour résoudre les problèmes les plus importants. Certains des problèmes identifiés par SDV peuvent être critiques et doivent être résolus avant qu'Amazon Fraud Detector puisse importer correctement votre ensemble de données. Pour de plus amples informations, veuillez consulter [Rapport de validation des données intelligentes](storing-events-batch-import.md#sdv-validation-report).
Le SDV valide votre ensemble de données au niveau du fichier et au niveau des données (ligne). Au niveau du fichier, SDV analyse votre fichier de données et identifie les problèmes tels que des autorisations inadéquates pour accéder au fichier, une taille de fichier, un format de fichier et des en-têtes incorrects (métadonnées d'événement et variables d'événement). Au niveau des données, SDV analyse les données de chaque événement (ligne) et identifie les problèmes tels que le format de données, la longueur des données, le format d'horodatage et les valeurs nulles incorrects.
La validation intelligente des données est actuellement disponible uniquement dans la console Amazon Fraud Detector et la validation est activée par défaut. Si vous ne souhaitez pas qu'Amazon Fraud Detector utilise la validation intelligente des données avant d'importer votre ensemble de données, désactivez la validation dans la console Amazon Fraud Detector lors du téléchargement de votre ensemble de données.
## Validation des données stockées lors de l'utilisation du APIs SDK AWS
Lorsque vous chargez des événements via l'opération `SendEvent``GetEventPrediction`, ou `CreateBatchImportJob ` API, Amazon Fraud Detector valide les éléments suivants :
+ Le EventIngestion paramètre pour ce type d'événement est ENABLED.
+ Les horodatages des événements ne peuvent pas être mis à jour. Un événement avec un ID d'événement répété et un EVENT\$1TIMESTAMP différent sera traité comme une erreur.
+ Les noms et valeurs des variables correspondent au format attendu. Pour de plus amples informations, consultez [Création d'une variable](create-a-variable.md).
+ Les variables obligatoires sont renseignées avec une valeur.
+ Tous les horodatages des événements ne datent pas de plus de 18 mois et ne datent pas du futur.
# Stockez les données d'événements à l'aide de l'importation par
Grâce à la fonctionnalité d'importation par lots, vous pouvez télécharger rapidement et facilement de grands ensembles de données d'événements historiques dans Amazon Fraud Detector à l'aide de la console, de l'API ou du SDK AWS. Pour utiliser l'importation par lots, créez un fichier d'entrée au format CSV contenant toutes les données de votre événement, téléchargez le fichier CSV dans le compartiment Amazon S3 et lancez une tâche *d'importation*. Amazon Fraud Detector valide d'abord les données en fonction du type d'événement, puis importe automatiquement l'ensemble de données dans son intégralité. Une fois les données importées, elles sont prêtes à être utilisées pour entraîner de nouveaux modèles ou pour réentraîner des modèles existants.
## Fichiers d'entrée et de sortie
Le fichier CSV d'entrée doit contenir des en-têtes correspondant aux variables définies dans le type d'événement associé, ainsi que quatre variables obligatoires. Pour plus d’informations, consultez [Préparation des données d'événements pour le stockage](prepare-storage-event-data.md). La taille maximale du fichier de données d'entrée est de 20 gigaoctets (Go), soit environ 50 millions d'événements. Le nombre d'événements varie en fonction de la taille de votre événement. Si la tâche d'importation est réussie, le fichier de sortie est vide. Si l'importation a échoué, le fichier de sortie contient les journaux d'erreurs.
## Création d'un fichier CSV
Amazon Fraud Detector importe des données uniquement à partir de fichiers au format CSV (valeurs séparées par des virgules). La première ligne de votre fichier CSV doit contenir des en-têtes de colonne correspondant exactement aux variables définies dans le type d'événement associé, ainsi que quatre variables obligatoires : EVENT\$1ID, EVENT\$1TIMESTAMP, ENTITY\$1ID et ENTITY\$1TYPE. Vous pouvez également éventuellement inclure EVENT\$1LABEL et LABEL\$1TIMESTAMP (LABEL\$1TIMESTAMP est requis si EVENT\$1LABEL est inclus).
**Définir les variables obligatoires**
Les variables obligatoires sont considérées comme des métadonnées d'événements et doivent être spécifiées en majuscules. Les métadonnées des événements sont automatiquement incluses pour l'entraînement des modèles. Le tableau suivant répertorie les variables obligatoires, la description de chaque variable et le format requis pour la variable.
| Nom | Description | Exigences |
| --- | --- | --- |
| IDENTIFIANT\$1ÉVÉNEMENT | Identifiant de l'événement. Par exemple, si votre événement est une transaction en ligne, l'EVENT\$1ID peut être le numéro de référence de transaction fourni à votre client. | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/frauddetector/latest/ug/storing-events-batch-import.html) |
| HORODATAGE DE L'ÉVÉNEMENT | Horodatage du moment où l'événement s'est produit. L'horodatage doit être conforme à la norme ISO 8601 en UTC. | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/frauddetector/latest/ug/storing-events-batch-import.html) |
| IDENTIFIANT\$1ENTITÉ | Identifiant de l'entité qui réalise l'événement. | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/frauddetector/latest/ug/storing-events-batch-import.html) |
| TYPE\$1ENTITÉ | L'entité qui réalise l'événement, telle qu'un commerçant ou un client | ENTITY\$1TYPE est requis pour les tâches d'importation par lots |
| ÉTIQUETTE D'ÉVÉNEMENT | Classifie l'événement comme ou `fraudulent` `legitimate` | EVENT\$1LABEL est obligatoire si LABEL\$1TIMESTAMP est inclus |
| LABEL\$1TIMESTAMP | L'horodatage auquel le libellé de l'événement a été renseigné ou mis à jour pour la dernière fois | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/frauddetector/latest/ug/storing-events-batch-import.html) |
## Importer un fichier CSV sur Amazon S3 pour une importation par lots
Après avoir créé un fichier CSV contenant vos données, chargez-le dans votre compartiment Amazon Simple Storage Service (Amazon S3).
**Pour télécharger les données d'événements dans un compartiment Amazon S3**
1. Connectez-vous à la console Amazon S3 AWS Management Console et ouvrez-la à l'adresse [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/).
1. Choisissez **Créer un compartiment**.
L'Assistant **Create bucket (Créer un compartiment)** s'ouvre.
1. Dans **Bucket name (Nom du compartiment)**, saisissez un nom compatible DNS pour votre compartiment.
Le nom du compartiment doit présenter les caractéristiques suivantes :
+ Il doit être unique sur l'ensemble d'Amazon S3.
+ Il doit comporter entre 3 et 63 caractères.
+ Ne contient pas de majuscules.
+ Il doit commencer par une minuscule ou un chiffre.
Une fois le compartiment créé, vous ne pouvez pas changer son nom. Pour plus d'informations sur la dénomination des compartiments, consultez les [règles de dénomination des compartiments](https://docs.aws.amazon.com/AmazonS3/latest/userguide/BucketRestrictions.html#bucketnamingrules) dans le *guide de l'utilisateur d'Amazon Simple Storage Service*.
**Important**
Évitez d’inclure des informations sensibles, notamment des numéros de compte, dans le nom du compartiment. Le nom du bucket est visible URLs là où pointent les objets du bucket.
1. Dans **Région**, choisissez la AWS région dans laquelle vous souhaitez que le bucket réside. Vous devez sélectionner la région dans laquelle vous utilisez Amazon Fraud Detector, à savoir USA Est (Virginie du Nord), USA Est (Ohio), USA Ouest (Oregon), Europe (Irlande), Asie-Pacifique (Singapour) ou Asie-Pacifique (Sydney).
1. Dans **Paramètres de compartiment pour Bloquer l'accès public**, choisissez les paramètres de blocage de l'accès public que vous souhaitez appliquer au compartiment.
Nous vous recommandons de laisser tous les paramètres activés. Pour plus d'informations sur le blocage de l'accès public, consultez la section [Blocage de l'accès public à votre espace de stockage Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/dev/access-control-block-public-access.html) dans le *guide de l'utilisateur d'Amazon Simple Storage Service*.
1. Choisissez **Créer un compartiment**.
1. Téléchargez le fichier de données d'entraînement dans votre compartiment Amazon S3. Notez le chemin d'emplacement Amazon S3 de votre fichier de formation (par exemple, s3://bucketname/object.csv).
## Importation par lots de données d'événements dans la console Amazon Fraud Detector
Vous pouvez facilement importer un grand nombre de vos ensembles de données d'événements dans la console Amazon Fraud Detector, à l'aide de l'`CreateBatchImportJob`API ou du SDK AWS. Avant de continuer, assurez-vous d'avoir suivi les instructions pour préparer votre ensemble de données sous forme de fichier CSV. Assurez-vous que vous avez également chargé le fichier CSV dans un compartiment Amazon S3.
**Utilisation de la console Amazon Fraud Detector**
**Pour importer par lots des données d'événements dans la console**
1. Ouvrez la console AWS, connectez-vous à votre compte, puis accédez à Amazon Fraud Detector.
1. Dans le volet de navigation de gauche, sélectionnez **Events**.
1. Choisissez votre type d'événement.
1. Sélectionnez l'onglet **Événements enregistrés**.
1. Dans le volet **Détails des événements stockés**, assurez-vous que l'**ingestion des événements** est **activée**.
1. Dans le volet **Importer les données des événements**, sélectionnez **Nouvelle importation**.
1. Sur la page **d'importation des nouveaux événements**, fournissez les informations suivantes :
+ [Recommandé] Laissez le paramètre **Activer la validation intelligente des données pour cet ensemble de données - nouveau** défini sur le paramètre par défaut.
+ Pour **le rôle IAM pour les données**, sélectionnez le rôle IAM que vous avez créé pour le compartiment Amazon S3 qui contient le fichier CSV que vous prévoyez d'importer.
+ Pour **Emplacement des données d'entrée**, entrez l'emplacement S3 où se trouve votre fichier CSV.
+ Si vous souhaitez spécifier un emplacement distinct pour stocker les résultats de vos importations, cliquez sur le bouton **Emplacement séparé des données pour les entrées et les résultats** et indiquez un emplacement de compartiment Amazon S3 valide.
**Important**
Assurez-vous que le rôle IAM que vous avez sélectionné possède des autorisations de lecture sur votre compartiment Amazon S3 d'entrée et des autorisations d'écriture sur votre compartiment Amazon S3 de sortie.
1. Sélectionnez **Démarrer**.
1. La colonne **État** du volet de **données des événements d'importation** affiche le statut de votre tâche de validation et d'importation. La bannière en haut fournit une description de haut niveau de l'état de votre jeu de données lorsque celui-ci passe d'abord par la validation, puis par l'importation.
1. Suivez les instructions fournies à[Surveiller la progression du travail de validation et d'importation des ensembles de données](#monitor-progress-sdv).
### Surveiller la progression du travail de validation et d'importation des ensembles de données
Si vous utilisez la console Amazon Fraud Detector pour effectuer une tâche d'importation par lots, Amazon Fraud Detector valide par défaut votre ensemble de données avant l'importation. Vous pouvez suivre la progression et le statut des tâches de validation et d'importation sur la page **d'importation des nouveaux événements** de la console Amazon Fraud Detector. Une bannière en haut de la page fournit une brève description des résultats de validation et de l'état de la tâche d'importation. En fonction des résultats de validation et de l'état de votre tâche d'importation, vous devrez peut-être prendre des mesures pour garantir la réussite de la validation et de l'importation de votre ensemble de données.
Le tableau suivant fournit des informations détaillées sur les actions que vous devez effectuer en fonction du résultat des opérations de validation et d'importation.
| Message de bannière | Statut | Ce que cela signifie | Que dois-je faire |
| --- | --- | --- | --- |
| La validation des données a commencé | Validation en cours | SDV a commencé à valider votre ensemble de données | Attendez que le statut change |
| Impossible de procéder à la validation des données en raison d'erreurs dans votre ensemble de données. Corrigez les erreurs dans votre fichier de données et lancez une nouvelle tâche d'importation. Consultez le rapport de validation pour plus d'informations | Échec de la validation | SDV a identifié des problèmes dans votre fichier de données. Ces problèmes doivent être résolus pour que l'importation de votre ensemble de données soit réussie. | Dans le volet Importer les données des événements, sélectionnez le Job Id et consultez le rapport de validation. Suivez les recommandations du rapport pour corriger toutes les erreurs répertoriées. Pour de plus amples informations, veuillez consulter [Utilisation du rapport de validation](#using-sdv-validation-report). |
| L'importation des données a commencé. Validation terminée avec succès | Importation en cours | Votre ensemble de données a réussi la validation. L'AFD a commencé à importer votre jeu de données | Attendez que le statut change |
| Validation terminée avec des avertissements. L'importation des données a commencé | Importation en cours | Certaines données de votre ensemble de données n'ont pas été validées. Cependant, les données validées répondent aux exigences de taille minimale pour l'importation. | Surveillez le message affiché dans la bannière et attendez que le statut change |
| Vos données ont été partiellement importées. Certaines données n'ont pas été validées et n'ont pas été importées. Consultez le rapport de validation pour plus d'informations. | Importé. L'état affiche une icône d'avertissement. | Certaines données de votre fichier de données dont la validation a échoué n'ont pas été importées. Le reste des données validées a été importé. | Dans le volet Importer les données des événements, sélectionnez le Job Id et consultez le rapport de validation. Suivez les recommandations du tableau des avertissements relatifs au niveau des données pour traiter les avertissements répertoriés. Il n'est pas nécessaire de répondre à tous les avertissements. Assurez-vous toutefois que votre ensemble de données contient plus de 50 % de données validées pour une importation réussie. Après avoir répondu aux avertissements, lancez une nouvelle tâche d'importation. Pour de plus amples informations, veuillez consulter [Utilisation du rapport de validation](#using-sdv-validation-report). |
| L'importation des données a échoué en raison d'une erreur de traitement. Démarrer une nouvelle tâche d'importation de données | Échec de l’importation | L'importation a échoué en raison d'une erreur d'exécution transitoire | Démarrer une nouvelle tâche d'importation |
| Les données ont été importées avec succès | Importé | La validation et l'importation se sont terminées avec succès | Sélectionnez le numéro de tâche de votre tâche d'importation pour afficher les détails, puis poursuivez la formation du modèle |
**Note**
Nous vous recommandons d'attendre 10 minutes après l'importation réussie du jeu de données dans Amazon Fraud Detector pour vous assurer qu'il est entièrement ingéré par le système.
### Rapport de validation des données intelligentes
La validation intelligente des données crée un rapport de validation une fois la validation terminée. Le rapport de validation fournit des détails sur tous les problèmes que le SDV a identifiés dans votre ensemble de données, avec des suggestions d'actions pour résoudre les problèmes les plus importants. Vous pouvez utiliser le rapport de validation pour déterminer quels sont les problèmes, où ils se situent dans le jeu de données, leur gravité et comment les résoudre. Le rapport de validation est créé même lorsque la validation est terminée avec succès. Dans ce cas, vous pouvez consulter le rapport pour voir si des problèmes sont répertoriés et, le cas échéant, décider si vous souhaitez les résoudre.
**Note**
La version actuelle de SDV analyse votre ensemble de données pour détecter les problèmes susceptibles d'entraîner l'échec de l'importation par lots. Si la validation et l'importation par lots aboutissent, votre jeu de données peut toujours présenter des problèmes susceptibles d'entraîner l'échec de l'apprentissage du modèle. Nous vous recommandons de consulter votre rapport de validation même si la validation et l'importation sont réussies, et de résoudre les problèmes répertoriés dans le rapport pour une formation des modèles réussie. Une fois les problèmes résolus, créez une nouvelle tâche d'importation par lots.
**Accès au rapport de validation**
Vous pouvez accéder au rapport de validation à tout moment une fois la validation terminée en utilisant l'une des options suivantes :
1. Une fois la validation terminée et pendant que le travail d'importation est en cours, dans le bandeau supérieur, choisissez **Afficher le rapport de validation**.
1. Une fois la tâche d'importation terminée, dans le volet de **données des événements d'importation**, choisissez l'ID de la tâche d'importation qui vient de se terminer.
#### Utilisation du rapport de validation
La page du rapport de validation de votre tâche d'importation fournit les détails de cette tâche d'importation, une liste des erreurs critiques le cas échéant, une liste d'avertissements concernant des événements spécifiques (lignes) dans votre ensemble de données s'ils sont détectés, et un bref résumé de votre ensemble de données qui inclut des informations telles que les valeurs non valides et les valeurs manquantes pour chaque variable.
+ **Importer les détails de la tâche**
Fournit les détails de la tâche d'importation. Si votre tâche d'importation a échoué ou si votre jeu de données a été partiellement importé, choisissez **Accéder au fichier de résultats** pour consulter les journaux d'erreurs des événements ayant échoué.
+ **Erreurs critiques**
Fournit des détails sur les problèmes les plus importants de votre ensemble de données identifiés par SDV. Tous les problèmes répertoriés dans ce volet sont critiques et vous devez les résoudre avant de procéder à l'importation. Si vous essayez d'importer votre jeu de données sans résoudre les problèmes critiques, votre tâche d'importation risque d'échouer.
Pour résoudre les problèmes critiques, suivez les recommandations fournies pour chaque avertissement. Après avoir résolu tous les problèmes répertoriés dans le volet Erreurs critiques, créez une nouvelle tâche d'importation par lots.
+ **Avertissements relatifs au niveau des données**
Fournit un résumé des avertissements relatifs à des événements spécifiques (lignes) dans votre ensemble de données. Si le volet Avertissements relatifs au niveau des données est renseigné, certains événements de votre ensemble de données n'ont pas été validés et n'ont pas été importés.
Pour chaque avertissement, la colonne **Description** indique le nombre d'événements à l'origine du problème. Et l'**événement Sample IDs** fournit une liste partielle d'exemples d'événements que IDs vous pouvez utiliser comme point de départ pour localiser les autres événements présentant le problème. Utilisez la **recommandation** fournie pour l'avertissement afin de résoudre le problème. Utilisez également les journaux d'erreurs de votre fichier de sortie pour obtenir des informations supplémentaires sur le problème. Les journaux d'erreurs sont générés pour tous les événements ayant échoué lors de l'importation par lots. Pour accéder aux journaux d'erreurs, dans le volet des **détails de la tâche d'importation**, sélectionnez **Accéder au fichier de résultats**.
**Note**
Si plus de 50 % des événements (lignes) de votre ensemble de données n'ont pas été validés, la tâche d'importation échoue également. Dans ce cas, vous devez corriger les données avant de commencer une nouvelle tâche d'importation.
+ **Résumé du jeu de données**
Fournit un résumé du rapport de validation de votre ensemble de données. Si la colonne Nombre d'avertissements affiche plus de 0 avertissements, décidez si vous devez corriger ces avertissements. Si la colonne **Nombre d'avertissements** indique 0, continuez à entraîner votre modèle.
## Importation par lots de données d'événements à l'aide du kit SDK AWS pour Python (Boto3)
L'exemple suivant montre un exemple de demande d'[CreateBatchImportJob](https://docs.aws.amazon.com//frauddetector/latest/api/API_CreateBatchImportJob.html)API. Une tâche d'importation par lots doit inclure un **JobID**, un **InputPath, un **OutputPath**** et. **eventTypeName**iamRoleArn**** Le JobID ne peut pas contenir le même identifiant qu'une tâche précédente, sauf si la tâche existe dans l'état CREATE\$1FAILED. Les chemins InputPath et OutputPath doivent être des chemins S3 valides. Vous pouvez choisir de ne pas spécifier le nom du fichier dans OutputPath, mais vous devrez tout de même fournir un emplacement de compartiment S3 valide. La eventTypeName terre iamRoleArn doit exister. Le rôle IAM doit accorder des autorisations de lecture pour entrer le compartiment Amazon S3 et des autorisations d'écriture pour le sortir du compartiment Amazon S3.
```
import boto3
fraudDetector = boto3.client('frauddetector')
fraudDetector.create_batch_import_job (
jobId = 'sample_batch_import',
inputPath = 's3://bucket_name/input_file_name.csv',
outputPath = 's3://bucket_name/',
eventTypeName = 'sample_registration',
iamRoleArn: 'arn:aws:iam::************:role/service-role/AmazonFraudDetector-DataAccessRole-*************'
)
```
## Annuler la tâche d'importation par lots
Vous pouvez annuler une tâche d'importation par lots en cours à tout moment dans la console Amazon Fraud Detector, à l'aide de l'`CancelBatchImportJob`API ou du SDK AWS.
**Pour annuler une tâche d'importation par lots dans la console,**
1. Ouvrez la console AWS, connectez-vous à votre compte, puis accédez à Amazon Fraud Detector.
1. Dans le volet de navigation de gauche, sélectionnez **Events**.
1. Choisissez votre type d'événement.
1. Sélectionnez l'onglet **Événements enregistrés**.
1. Dans le volet **Importer les données des événements**, choisissez l'ID de tâche d'une tâche d'importation en cours que vous souhaitez annuler.
1. Sur la page de tâche événementielle, cliquez sur **Actions** et sélectionnez **Annuler l'importation des événements**.
1. Choisissez **Arrêter l'importation des événements** pour annuler la tâche d'importation par lots.
### Annulation d'une tâche d'importation par lots à l'aide du kit SDK AWS pour Python (Boto3)
L'exemple suivant montre un exemple de demande pour l'`CancelBatchImportJob`API. La tâche d'annulation d'importation doit inclure l'ID de tâche d'une tâche d'importation par lots en cours.
```
import boto3
fraudDetector = boto3.client('frauddetector')
fraudDetector.cancel_batch_import_job (
jobId = 'sample_batch'
)
```
# Stockez les données d'événements à l'aide de GetEventPredictions l'opération API
Par défaut, tous les événements envoyés à l'`GetEventPrediction`API pour évaluation sont stockés dans Amazon Fraud Detector. Cela signifie qu'Amazon Fraud Detector stocke automatiquement les données des événements lorsque vous générez une prédiction et utilise ces données pour mettre à jour les variables calculées en temps quasi réel. Vous pouvez désactiver le stockage des données en accédant au type d'événement dans la console Amazon Fraud Detector et en désactivant **l'ingestion d'événements** ou en mettant à jour la EventIngestion valeur sur DISABLED à l'aide de l'opération d'`PutEventType`API. Pour plus d'informations sur le fonctionnement de l'`GetEventPrediction`API, consultez[Prédictions de fraude](getting-fraud-predictions.md).
**Important**
Nous vous recommandons vivement de le maintenir activé une fois que vous avez activé *l'ingestion* d'événements pour un type d'événement. La désactivation de l'ingestion d'événements pour le même type d'événement, puis la génération de prédictions, peuvent entraîner un comportement incohérent.
# Stockez les données d'événements à l'aide de SendEvent l'opération API
Vous pouvez utiliser l'opération `SendEvent` API pour stocker des événements dans Amazon Fraud Detector sans générer de prévisions de fraude pour ces événements. Par exemple, vous pouvez utiliser cette `SendEvent` opération pour télécharger un jeu de données historique, que vous pourrez ensuite utiliser pour entraîner un modèle.
**Formats d'horodatage des événements pour l'API SendEvent **
Lorsque vous stockez des données d'événements à l'aide de l'`SendEvent`API, vous devez vous assurer que l'horodatage de votre événement est au format requis. Amazon Fraud Detector prend en charge les date/timestamp formats suivants :
+ %YYYY-%MM-%DDT%HH : %mm : %sSz (norme ISO 8601 en UTC uniquement, sans millisecondes)
Exemple : 2019-11-30T 13:01:01 Z
+ %yyyy/%mm/%dd %hh : %mm : %ss (AM/PM)
Exemples : 2019/11/30 13:01:01 ou 2019/11/30 13:01:01
+ %mm/%dd/%yyyy %hh : %mm : %s
Exemples : 30/11/2019 13:01:01, 30/11/2019 13:01:01
+ %mm/%dd/%yy %hh : %mm : %s
Exemples : 30/11/19 13:01:01, 30/11/19 13:01:01
Amazon Fraud Detector part des hypothèses suivantes lors de l'analyse des date/timestamp formats pour les horodatages des événements :
+ Si vous utilisez la norme ISO 8601, elle doit correspondre exactement à la spécification précédente
+ Si vous utilisez l'un des autres formats, vous bénéficiez d'une flexibilité supplémentaire :
+ Pendant des mois et des jours, vous pouvez fournir un ou deux chiffres. Par exemple, le 1/12/2019 est une date valide.
+ Vous n'avez pas besoin d'inclure hh:mm:ss si vous ne les avez pas (vous pouvez simplement fournir une date). Vous pouvez également fournir un sous-ensemble des heures et des minutes uniquement (par exemple, hh:mm). Le simple fait de fournir une heure n'est pas pris en charge. Les millisecondes ne sont pas non plus prises en charge.
+ Si vous fournissez des AM/PM étiquettes, une horloge de 12 heures est supposée. S'il n'y a aucune AM/PM information, une horloge de 24 heures est supposée.
+ Vous pouvez utiliser «/» ou « - » comme délimiteurs pour les éléments de date. « : » est supposé pour les éléments d'horodatage.
Voici un exemple d'appel `SendEvent` d'API.
```
import boto3
fraudDetector = boto3.client('frauddetector')
fraudDetector.send_event(
eventId = '802454d3-f7d8-482d-97e8-c4b6db9a0428',
eventTypeName = 'sample_registration',
eventTimestamp = '2020-07-13T23:18:21Z',
eventVariables = {
'email_address' : 'johndoe@exampledomain.com',
'ip_address' : '1.2.3.4'},
assignedLabel = ‘legit’,
labelTimestamp = '2020-07-13T23:18:21Z',
entities = [{'entityType':'sample_customer', 'entityId':'12345'}],
)
```
# Obtenir des détails sur les données d'un événement stockées
Après avoir enregistré les données d'un événement dans Amazon Fraud Detector, vous pouvez consulter les dernières données enregistrées pour un événement à l'aide de l'[GetEvent](https://docs.aws.amazon.com//frauddetector/latest/api/API_GetEvent.html)API. L'exemple de code suivant vérifie les dernières données enregistrées pour l'`sample_registration`événement.
```
import boto3
fraudDetector = boto3.client('frauddetector')
fraudDetector.get_event(
eventId = '802454d3-f7d8-482d-97e8-c4b6db9a0428',
eventTypeName = 'sample_registration'
)
```
# Afficher les métriques du jeu de données d'événements stocké
Pour chaque type d'événement, vous pouvez consulter des statistiques telles que le nombre d'événements enregistrés, la taille totale de vos événements enregistrés et les horodatages des événements enregistrés les plus anciens et les plus récents, dans la console Amazon Fraud Detector.
**Pour consulter les métriques d'événements stockées d'un type d'événement,**
1. Ouvrez la AWS console et connectez-vous à votre compte. Accédez à Amazon Fraud Detector.
1. Dans le volet de navigation de gauche, sélectionnez **Events**.
1. Choisissez votre type d'événement.
1. Sélectionnez l'onglet **Événements enregistrés**.
1. Le volet **Détails des événements enregistrés** affiche les mesures. Ces statistiques sont automatiquement mises à jour une fois par jour.
1. Cliquez éventuellement sur **Actualiser les statistiques d'événements** pour mettre à jour manuellement vos statistiques.
**Note**
Si vous venez d'importer vos données, nous vous recommandons d'attendre 5 à 10 minutes après avoir fini d'importer les données pour actualiser et consulter les métriques.