Amazon Fraud Detector tidak lagi terbuka untuk pelanggan baru pada 7 November 2025. Untuk kemampuan yang mirip dengan Amazon Fraud Detector, jelajahi Amazon SageMaker, AutoGluon, dan AWS WAF.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Wawasan penipuan transaksi

Jenis model Transaction Fraud Insights dirancang untuk mendeteksi penipuan transaksi online, atau kartu yang tidak ada. Transaction Fraud Insights adalah model pembelajaran mesin yang diawasi, yang berarti menggunakan contoh historis transaksi penipuan dan sah untuk melatih model.

Model Transaction Fraud Insights menggunakan ansambel algoritma pembelajaran mesin untuk pengayaan data, transformasi, dan klasifikasi penipuan. Ini memanfaatkan mesin rekayasa fitur untuk membuat agregat tingkat entitas dan tingkat peristiwa. Sebagai bagian dari proses pelatihan model, Transaction Fraud Insights memperkaya elemen data mentah seperti alamat IP dan nomor BIN dengan data pihak ketiga seperti geolokasi alamat IP atau bank penerbit untuk kartu kredit. Selain data pihak ketiga, Transaction Fraud Insights menggunakan algoritma pembelajaran mendalam yang memperhitungkan pola penipuan yang telah terlihat di Amazon dan Pola penipuan AWS ini menjadi fitur input ke model Anda menggunakan algoritma penguatan pohon gradien.

Untuk meningkatkan kinerja, Transaction Fraud Insights mengoptimalkan parameter hiper dari algoritma penguatan pohon gradien melalui proses optimasi Bayesian, secara berurutan melatih lusinan model yang berbeda dengan parameter model yang bervariasi (seperti jumlah pohon, kedalaman pohon, jumlah sampel per daun) serta strategi pengoptimalan yang berbeda seperti meningkatkan bobot populasi penipuan minoritas untuk menangani tingkat penipuan yang sangat rendah.

Sebagai bagian dari proses pelatihan model, mesin rekayasa fitur model Transaction Fraud menghitung nilai untuk setiap entitas unik dalam kumpulan data pelatihan Anda untuk membantu meningkatkan prediksi penipuan. Misalnya, selama proses pelatihan, Amazon Fraud Detector menghitung dan menyimpan terakhir kali entitas melakukan pembelian dan memperbarui nilai ini secara dinamis setiap kali Anda memanggil SendEvent API GetEventPrediction or. Selama prediksi penipuan, variabel peristiwa digabungkan dengan entitas lain dan metadata peristiwa untuk memprediksi apakah transaksi itu penipuan.

Memilih sumber data

Model Transaction Fraud Insights dilatih pada dataset yang disimpan secara internal dengan Amazon Fraud Detector (INGESTED_EVENTS) saja. Hal ini memungkinkan Amazon Fraud Detector untuk terus memperbarui nilai yang dihitung tentang entitas yang Anda evaluasi. Untuk informasi selengkapnya tentang sumber data yang tersedia, lihat Penyimpanan data acara

Mempersiapkan data

Sebelum melatih model Transaction Fraud Insights, pastikan file data berisi semua header seperti yang disebutkan dalam Per siapkan dataset peristiwa. Model Insights Penipuan Transaksi membandingkan entitas baru yang diterima dengan contoh entitas penipuan dan sah dalam kumpulan data, jadi akan sangat membantu untuk memberikan banyak contoh untuk setiap entitas.

Amazon Fraud Detector secara otomatis mengubah kumpulan data peristiwa yang disimpan ke dalam format yang benar untuk pelatihan. Setelah model menyelesaikan pelatihan, Anda dapat meninjau metrik kinerja dan menentukan apakah Anda harus menambahkan entitas ke kumpulan data pelatihan Anda.

Memilih data

Secara default, Transaction Fraud Insights melatih seluruh kumpulan data tersimpan untuk Jenis Peristiwa yang Anda pilih. Anda dapat secara opsional mengatur rentang waktu untuk mengurangi peristiwa yang digunakan untuk melatih model Anda. Saat mengatur rentang waktu, pastikan bahwa catatan yang digunakan untuk melatih model memiliki waktu yang cukup untuk matang. Artinya, cukup waktu telah berlalu untuk memastikan catatan yang sah dan penipuan telah diidentifikasi dengan benar. Misalnya, untuk penipuan chargeback, seringkali dibutuhkan waktu 60 hari atau lebih untuk mengidentifikasi peristiwa penipuan dengan benar. Untuk kinerja model terbaik, pastikan semua catatan dalam kumpulan data pelatihan Anda sudah matang.

Tidak perlu memilih rentang waktu yang mewakili tingkat penipuan yang ideal. Amazon Fraud Detector secara otomatis mengambil sampel data Anda untuk mencapai keseimbangan antara tingkat penipuan, rentang waktu, dan jumlah entitas.

Amazon Fraud Detector mengembalikan kesalahan validasi selama pelatihan model jika Anda memilih rentang waktu yang tidak memiliki cukup peristiwa untuk berhasil melatih model. Untuk kumpulan data yang disimpan, bidang EVENT_LABEL bersifat opsional, tetapi acara harus diberi label agar disertakan dalam kumpulan data pelatihan Anda. Saat mengonfigurasi pelatihan model, Anda dapat memilih apakah akan mengabaikan peristiwa yang tidak berlabel, mengasumsikan label yang sah untuk peristiwa tanpa label, atau mengasumsikan label palsu untuk peristiwa yang tidak berlabel.

Variabel peristiwa

Jenis peristiwa yang digunakan untuk melatih model harus berisi setidaknya 2 variabel, terlepas dari metadata peristiwa yang diperlukan, yang telah lulus validasi data dan dapat berisi hingga 100 variabel. Umumnya, semakin banyak variabel yang Anda berikan, semakin baik model dapat membedakan antara penipuan dan peristiwa yang sah. Meskipun model Transaction Fraud Insight dapat mendukung puluhan variabel, termasuk variabel khusus, sebaiknya Anda menyertakan alamat IP, alamat email, jenis instrumen pembayaran, harga pesanan, dan BIN kartu.

Memvalidasi data

Sebagai bagian dari proses pelatihan, Transaction Fraud Insights memvalidasi kumpulan data pelatihan untuk masalah kualitas data yang mungkin memengaruhi pelatihan model. Setelah memvalidasi data, Amazon Fraud Detector mengambil tindakan yang tepat untuk membangun model terbaik. Ini termasuk mengeluarkan peringatan untuk masalah kualitas data potensial, menghapus variabel yang memiliki masalah kualitas data secara otomatis, atau mengeluarkan kesalahan dan menghentikan proses pelatihan model. Untuk informasi selengkapnya, lihat Validasi Dataset.

Amazon Fraud Detector akan mengeluarkan peringatan tetapi terus melatih model jika jumlah entitas unik kurang dari 1.500 karena ini dapat memengaruhi kualitas data pelatihan. Jika Anda menerima peringatan, tinjau metrik kinerja.