Amazon Fraud Detector non è più aperto a nuovi clienti a partire dal 7 novembre 2025. Per funzionalità simili a Amazon Fraud Detector, esplora Amazon SageMaker, e AutoGluon. AWS WAF

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Informazioni sull'acquisizione degli account

Il tipo di modello Account Takeover Insights (ATI) identifica le attività fraudolente online rilevando se gli account sono stati compromessi da acquisizioni dolose, phishing o dal furto di credenziali. Account Takeover Insights è un modello di machine learning che utilizza gli eventi di accesso del tuo business online per addestrare il modello.

Puoi incorporare un modello di Account Takeover Insights addestrato nel tuo flusso di accesso in tempo reale per rilevare se un account è compromesso. Il modello valuta una varietà di tipi di autenticazione e accesso. Includono accessi alle applicazioni Web, API-based autenticazioni e Single Sign-on (SSO). Per utilizzare il modello Account Takeover Insights, richiama l'GetEventPredictionAPI dopo aver presentato le credenziali di accesso valide. L'API genera un punteggio che quantifica il rischio di compromissione dell'account. Amazon Fraud Detector utilizza il punteggio e le regole che hai definito per restituire uno o più risultati per gli eventi di accesso. I risultati sono quelli che hai configurato. In base ai risultati ricevuti, puoi intraprendere le azioni appropriate per ogni accesso. In altre parole, puoi approvare o contestare le credenziali presentate per l'accesso. Ad esempio, puoi contestare le credenziali chiedendo un PIN dell'account come verifica aggiuntiva.

Puoi anche utilizzare il modello Account Takeover Insights per valutare gli accessi agli account in modo asincrono e intraprendere azioni sugli account ad alto rischio. Ad esempio, è possibile aggiungere un account ad alto rischio alla coda di indagine per consentire a un revisore umano di determinare se è necessario intraprendere ulteriori azioni, ad esempio sospendere l'account.

Il modello Account Takeover Insights viene addestrato utilizzando un set di dati che contiene lo storico degli eventi di accesso della tua azienda. Fornisci questi dati. Facoltativamente, puoi etichettare gli account come legittimi o fraudolenti. Tuttavia, ciò non è necessario per addestrare il modello. Il modello Account Takeover Insights rileva le anomalie in base alla cronologia degli accessi riusciti di un account. Impara anche a rilevare anomalie nel comportamento di un utente che suggeriscono un aumento del rischio di un evento di acquisizione dannosa dell'account. Ad esempio, un utente che in genere accede dallo stesso set di dispositivi e indirizzi IP. Un truffatore in genere accede da un dispositivo e una geolocalizzazione diversi. Questa tecnica genera un punteggio di rischio relativo all'anomalia di un'attività, che in genere è una caratteristica principale delle acquisizioni malevole di account.

Prima di addestrare un modello Account Takeover Insights, Amazon Fraud Detector utilizza una combinazione di tecniche di apprendimento automatico per eseguire l'arricchimento, l'aggregazione e la trasformazione dei dati. Quindi, durante il processo di formazione, Amazon Fraud Detector arricchisce gli elementi di dati grezzi forniti. Esempi di elementi di dati grezzi includono l'indirizzo IP e l'agente utente. Amazon Fraud Detector utilizza questi elementi per creare input aggiuntivi che descrivono i dati di accesso. Questi input includono il dispositivo, il browser e gli input di geolocalizzazione. Amazon Fraud Detector utilizza anche i dati di accesso forniti per calcolare continuamente variabili aggregate che descrivono il comportamento passato degli utenti. Esempi di comportamento degli utenti includono il numero di volte in cui l'utente ha effettuato l'accesso da un indirizzo IP specifico. Utilizzando questi arricchimenti e aggregati aggiuntivi, Amazon Fraud Detector può generare ottime prestazioni del modello da un piccolo set di input provenienti dagli eventi di accesso.

Il modello Account Takeover Insights rileva i casi in cui un malintenzionato accede a un account legittimo, indipendentemente dal fatto che il malintenzionato sia umano o robot. Il modello produce un punteggio singolo che indica il rischio relativo di compromissione dell'account. Gli account che potrebbero essere stati compromessi vengono contrassegnati come account ad alto rischio. È possibile gestire gli account ad alto rischio in due modi. In entrambi i casi, puoi imporre un'ulteriore verifica dell'identità. In alternativa, puoi inviare l'account in coda per un'indagine manuale.

Selezione dell'origine dei dati

I modelli Account Takeover Insights vengono addestrati su un set di dati archiviato internamente, in Amazon Fraud Detector. Per archiviare i dati degli eventi di accesso con Amazon Fraud Detector, crea un file CSV con gli eventi di accesso degli utenti. Per ogni evento, includi dati di accesso come data e ora dell'evento, ID utente, indirizzo IP, user agent e se i dati di accesso sono validi. Dopo aver creato il file CSV, carica prima il file su Amazon Fraud Detector, quindi utilizza la funzione di importazione per archiviare i dati. Puoi quindi addestrare il tuo modello utilizzando i dati memorizzati. Per ulteriori informazioni sull'archiviazione del set di dati degli eventi con Amazon Fraud Detector, consulta Archivia i dati degli eventi internamente con Amazon Fraud Detector

Preparazione dei dati

Amazon Fraud Detector richiede di fornire i dati di accesso del tuo account utente in un file con valori separati da virgole (CSV) codificato nel formato. UTF-8 La prima riga del file CSV deve contenere un'intestazione del file. L'intestazione del file è costituita dai metadati degli eventi e dalle variabili di evento che descrivono ogni elemento di dati. I dati degli eventi seguono l'intestazione. Ogni riga dei dati dell'evento è costituita dai dati di un singolo evento di accesso.

Per il modello Accounts Takeover Insights, devi fornire i seguenti metadati e variabili di evento nella riga di intestazione del tuo file CSV.

Metadati degli eventi

Ti consigliamo di fornire i seguenti metadati nell'intestazione del file CSV. I metadati dell'evento devono essere in lettere maiuscole.

Variabili di evento

Per il modello Accounts Takeover Insights, è necessario fornire sia variabili obbligatorie (obbligatorie) che variabili opzionali. Quando crei le variabili, assicurati di assegnarle al tipo di variabile corretto. Come parte del processo di addestramento del modello, Amazon Fraud Detector utilizza il tipo di variabile associato alla variabile per eseguire l'arricchimento delle variabili e l'ingegneria delle funzionalità.

Variabili obbligatorie

Le seguenti variabili sono necessarie per l'addestramento di un modello Accounts Takeover Insights.

Variabili opzionali

Le seguenti variabili sono opzionali per l'addestramento di un modello Accounts Takeover Insights.

Selezione dei dati

La raccolta dei dati è un passaggio importante per creare il modello Account Takeover Insights. Quando inizi a raccogliere i dati di accesso, considera i seguenti requisiti e raccomandazioni:

Campo obbligatorio

Consigliato

Se non disponi di un set di dati che soddisfi già i requisiti minimi, valuta la possibilità di trasmettere i dati degli eventi ad Amazon Fraud Detector richiamando l'operazione API. SendEvent

Convalida dei dati

Prima di creare il tuo modello Account Takeover Insights, Amazon Fraud Detector verifica se i metadati e le variabili che hai incluso nel set di dati per l'addestramento del modello soddisfano i requisiti di dimensione e formato. Per ulteriori informazioni, consulta Convalida di set di dati. Verifica anche la presenza di altri requisiti. Se il set di dati non supera la convalida, il modello non viene creato. Affinché il modello venga creato correttamente, assicurati di correggere i dati che non hanno superato la convalida prima di ripetere il training.

Errori comuni nei set di dati

Durante la convalida di un set di dati per l'addestramento di un modello Account Takeover Insights, Amazon Fraud Detector analizza questi e altri problemi e genera un errore se riscontra uno o più problemi.