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.
Set di dati degli eventi
Un set di dati sugli eventi è costituito dai dati storici sulle frodi della tua azienda. Fornisci questi dati ad Amazon Fraud Detector per creare modelli di rilevamento delle frodi.
Amazon Fraud Detector utilizza modelli di apprendimento automatico per generare previsioni di frode. Ogni modello viene addestrato utilizzando un tipo di modello. Il tipo di modello specifica gli algoritmi e le trasformazioni utilizzati per l'addestramento del modello. L'addestramento del modello è il processo di utilizzo di un set di dati fornito per creare un modello in grado di prevedere eventi fraudolenti. Per ulteriori informazioni, consulta Come funziona Amazon Fraud Detector
Il set di dati utilizzato per creare il modello di rilevamento delle frodi fornisce i dettagli di un evento. Un evento è un'attività aziendale valutata per il rischio di frode. Ad esempio, la registrazione di un account può essere un evento. I dati associati all'evento di registrazione dell'account possono essere set di dati dell'evento. Amazon Fraud Detector utilizza questo set di dati per valutare le frodi nella registrazione dell'account.
Prima di fornire il set di dati ad Amazon Fraud Detector per la creazione di un modello, assicurati di definire il tuo obiettivo per la creazione del modello. È inoltre necessario determinare come si desidera utilizzare il modello e definire le metriche per valutare se il modello funziona in base ai requisiti specifici.
Ad esempio, i tuoi obiettivi per la creazione di un modello di rilevamento delle frodi che valuti le frodi nella registrazione dell'account possono essere i seguenti:
Per approvare automaticamente le registrazioni legittime.
Per acquisire registrazioni fraudolente per indagini successive.
Dopo aver determinato il tuo obiettivo, il passaggio successivo è decidere come utilizzare il modello. Alcuni esempi di utilizzo del modello di rilevamento delle frodi per valutare le frodi relative alla registrazione sono i seguenti:
Per il rilevamento delle frodi in tempo reale per ogni registrazione dell'account.
Per la valutazione offline di tutte le registrazioni degli account ogni ora.
Alcuni esempi di metriche che possono essere utilizzate per misurare le prestazioni del modello includono:
Le prestazioni sono costantemente migliori rispetto all'attuale baseline di produzione.
Acquisisce il X% delle registrazioni di frodi con un tasso di falsi positivi dell'Y%.
Accetta fino al 5% delle registrazioni fraudolente approvate automaticamente.
Struttura del set di dati degli eventi
Amazon Fraud Detector richiede che tu fornisca il set di dati degli eventi in un file di testo utilizzando un valore separato da virgole (CSV) nel formato. UTF-8 La prima riga del file del set di dati CSV deve contenere le intestazioni dei file. L'intestazione del file è costituita dai metadati degli eventi e dalle variabili di evento che descrivono ogni elemento di dati associato all'evento. L'intestazione è seguita dai dati dell'evento. Ogni riga è costituita da elementi di dati provenienti da un singolo evento.
-
Metadati dell'evento: forniscono informazioni sull'evento. Ad esempio, EVENT_TIMESTAMP è un metadato dell'evento che specifica l'ora in cui si è verificato l'evento. A seconda del caso d'uso aziendale e del tipo di modello utilizzato per creare e addestrare il modello di rilevamento delle frodi, Amazon Fraud Detector richiede di fornire metadati specifici sugli eventi. Quando specifichi i metadati degli eventi nell'intestazione del file CSV, utilizza lo stesso nome di metadati dell'evento specificato da Amazon Fraud Detector e utilizza solo lettere maiuscole.
-
Variabile evento: rappresenta gli elementi di dati specifici del tuo evento che desideri utilizzare per creare e addestrare il tuo modello di rilevamento delle frodi. A seconda del caso d'uso aziendale e del tipo di modello utilizzato per creare e addestrare un modello di rilevamento delle frodi, Amazon Fraud Detector potrebbe richiedere o consigliare di fornire variabili di evento specifiche. Facoltativamente, puoi anche fornire altre variabili di evento del tuo evento che desideri includere nell'addestramento del modello. Alcuni esempi di variabili di evento per un evento di registrazione online possono essere l'indirizzo email, l'indirizzo IP e il numero di telefono. Quando specificate il nome della variabile di evento nell'intestazione del file CSV, utilizzate qualsiasi nome di variabile a vostra scelta e utilizzate solo lettere minuscole.
-
Dati dell'evento: rappresentano i dati raccolti dall'evento effettivo. Nel file CSV, ogni riga che segue l'intestazione del file è costituita da elementi di dati di un singolo evento. Ad esempio, in un file di dati sugli eventi di registrazione online, ogni riga contiene i dati di una singola registrazione. Ogni elemento di dati nella riga deve corrispondere ai metadati dell'evento corrispondenti o alla variabile evento.
Di seguito è riportato un esempio di file CSV contenente i dati di un evento di registrazione dell'account. La riga di intestazione contiene sia i metadati degli eventi in maiuscolo che le variabili di evento in minuscolo seguiti dai dati dell'evento. Ogni riga del set di dati contiene elementi di dati associati alla registrazione di un singolo account e ogni elemento di dati corrisponde all'intestazione.
Ottieni i requisiti dei set di dati degli eventi utilizzando Data models explorer
Il tipo di modello scelto per creare il modello definisce i requisiti per il set di dati. Amazon Fraud Detector utilizza il set di dati fornito per creare e addestrare il tuo modello di rilevamento delle frodi. Prima che Amazon Fraud Detector inizi a creare il tuo modello, verifica se il set di dati soddisfa le dimensioni, il formato e altri requisiti. Se il set di dati non soddisfa i requisiti, la creazione e l'addestramento del modello falliscono. Puoi utilizzare il Data Models Explorer per identificare un tipo di modello da utilizzare per il tuo caso d'uso aziendale e per ottenere informazioni dettagliate sui requisiti del set di dati per il tipo di modello identificato.
Esploratore di modelli di dati
L'esploratore di modelli di dati è uno strumento della console Amazon Fraud Detector che allinea il caso d'uso aziendale al tipo di modello supportato da Amazon Fraud Detector. L'esploratore di modelli di dati fornisce anche informazioni sugli elementi di dati richiesti da Amazon Fraud Detector per creare il modello di rilevamento delle frodi. Prima di iniziare a preparare il set di dati degli eventi, utilizza il Data Models Explorer per capire il tipo di modello consigliato da Amazon Fraud Detector per il tuo uso aziendale e anche per visualizzare un elenco di elementi di dati obbligatori, consigliati e opzionali necessari per creare il tuo set di dati.
Per utilizzare Data Models Explorer,
-
Apri la Console di gestione AWS
e accedi all’account. Accedi ad Amazon Fraud Detector. -
Nel riquadro di navigazione a sinistra, scegli Data models explorer.
-
Nella pagina Data models explorer, in Caso d'uso aziendale, seleziona il caso d'uso aziendale che desideri valutare per il rischio di frode.
-
Amazon Fraud Detector mostra il tipo di modello consigliato che corrisponde al tuo caso d'uso aziendale. Il tipo di modello definisce gli algoritmi, gli arricchimenti e le trasformazioni che Amazon Fraud Detector utilizzerà per addestrare il tuo modello di rilevamento delle frodi.
Prendi nota del tipo di modello consigliato. Ti servirà più tardi quando creerai il tuo modello.
Nota
Se non trovi il tuo caso d'uso aziendale, utilizza il link Contattaci nella descrizione per fornirci i dettagli del tuo caso d'uso aziendale. Ti consiglieremo il tipo di modello da utilizzare per creare un modello di rilevamento delle frodi per il tuo caso d'uso aziendale.
-
Il riquadro Data model Insights fornisce informazioni sugli elementi di dati obbligatori, consigliati e opzionali necessari per creare e addestrare un modello di rilevamento delle frodi per il tuo caso d'uso aziendale. Usa le informazioni nel riquadro Insights per raccogliere i dati degli eventi e creare il tuo set di dati.
Raccogli i dati degli eventi
La raccolta dei dati degli eventi è un passaggio importante nella creazione del modello. Questo perché le prestazioni del modello nella previsione delle frodi dipendono dalla qualità del set di dati. Quando inizi a raccogliere i dati degli eventi, tieni presente l'elenco di elementi di dati fornito dal Data models explorer per creare il tuo set di dati. Dovrai raccogliere tutti i dati obbligatori (metadati degli eventi) e decidere quali elementi di dati consigliati e opzionali (variabili di evento) includere in base ai tuoi obiettivi per la creazione del modello. È anche importante decidere il formato di ogni variabile di evento che intendi includere e la dimensione totale del set di dati.
Qualità del set di dati degli eventi
Per raccogliere set di dati di alta qualità per il tuo modello, ti consigliamo quanto segue:
Raccogli dati maturi: l'utilizzo dei dati più recenti aiuta a identificare il modello di frode più recente. Tuttavia, per rilevare casi d'uso fraudolenti, consenti ai dati di maturare. Il periodo di scadenza dipende dalla tua attività e può richiedere da due settimane a tre mesi. Ad esempio, se il tuo evento include una transazione con carta di credito, la scadenza dei dati potrebbe essere determinata dal periodo di addebito della carta di credito o dal tempo impiegato da un investigatore per determinarlo.
Assicurati che il set di dati utilizzato per addestrare il modello abbia avuto il tempo sufficiente per maturare in base alle esigenze della tua azienda.
Assicurati che la distribuzione dei dati non subisca variazioni significative: Amazon Fraud Detector modella esempi del processo di formazione e partiziona il tuo set di dati in base a EVENT_TIMESTAMP. Ad esempio, se il tuo set di dati è costituito da eventi di frode raccolti negli ultimi 6 mesi, ma sono inclusi solo gli eventi legittimi dell'ultimo mese, la distribuzione dei dati è considerata instabile e instabile. Un set di dati instabile potrebbe portare a distorsioni nella valutazione delle prestazioni del modello. Se ritieni che la distribuzione dei dati stia cambiando in modo significativo, valuta la possibilità di bilanciare il set di dati raccogliendo dati simili alla distribuzione attuale dei dati.
Assicurati che il set di dati sia rappresentativo del caso d'uso in cui si trova il modello, altrimenti le prestazioni implemented/tested stimate potrebbero essere distorte. Supponiamo che stiate utilizzando un modello per rifiutare automaticamente tutti i richiedenti che partecipano a procedure interne, ma che il modello sia addestrato con un set di dati con una cronologia data/labels dei dati approvati in precedenza. Quindi, la valutazione del modello potrebbe essere imprecisa perché si basa sul set di dati che non include la rappresentazione dei candidati rifiutati.
Formato dei dati dell'evento
Amazon Fraud Detector trasforma la maggior parte dei tuoi dati nel formato richiesto come parte del processo di formazione dei modelli. Tuttavia, ci sono alcuni formati standard che puoi utilizzare facilmente per fornire i tuoi dati che possono aiutarti a evitare problemi in un secondo momento, quando Amazon Fraud Detector convalida il tuo set di dati. La tabella seguente fornisce indicazioni sui formati per fornire i metadati degli eventi consigliati.
Nota
Quando crei il tuo file CSV, assicurati di inserire il nome dei metadati dell'evento come elencato di seguito, in lettere maiuscole.
| Nome dei metadati | Formato | Richiesto |
|---|---|---|
|
EVENT_ID |
Se fornito, deve soddisfare i seguenti requisiti:
|
Dipende dal tipo di modello |
|
EVENT_TIMESTAMP |
|
Sì |
|
ENTITY_ID |
|
Dipende dal tipo di modello |
|
ENTITY_TYPE |
Puoi usare qualsiasi stringa |
Dipende dal tipo di modello |
|
EVENT_LABEL |
Puoi utilizzare qualsiasi etichetta, ad esempio «fraud», «legit», «1" o «0". |
Obbligatoria se LABEL_TIMESTAMP è incluso |
|
LABEL_TIMESTAMP |
Deve seguire il formato del timestamp. |
Obbligatorio se EVENT_LABEL è incluso |
Per informazioni sulle variabili di evento, vedere Variabili.
Importante
Se stai creando un modello Account Takeover Insights (ATI), consulta Preparazione dei dati i dettagli sulla preparazione e la selezione dei dati.
Valori nulli o mancanti
Le variabili EVENT_TIMESTAMP ed EVENT_LABEL non devono contenere valori nulli o mancanti. È possibile avere valori nulli o mancanti per altre variabili. Tuttavia, si consiglia di utilizzare solo un numero nullo ridotto per tali variabili. Se Amazon Fraud Detector determina che ci sono troppi valori nulli o mancanti per le variabili di un evento, ometterà automaticamente la variabile dal tuo modello.
Variabili minime
Quando si crea il modello, il set di dati deve includere almeno due variabili di evento oltre ai metadati degli eventi richiesti. Le due variabili di evento devono superare il controllo di convalida.
Dimensione del set di dati degli eventi
Richiesto
Il set di dati deve soddisfare i seguenti requisiti di base per una corretta formazione dei modelli.
-
Dati provenienti da almeno 100 eventi.
-
Il set di dati deve includere almeno 50 eventi (righe) classificati come fraudolenti.
Consigliato
Consigliamo che il set di dati includa quanto segue per un addestramento efficace del modello e una buona performance del modello.
-
Includi un minimo di tre settimane di dati storici, ma al massimo sei mesi di dati.
-
Includi un minimo di 10.000 dati totali sugli eventi.
-
Includi almeno 400 eventi (righe) classificati come fraudolenti e 400 eventi (righe) classificati come legittimi.
-
Includi più di 100 entità univoche, se il tipo di modello richiede ENTITY_ID.
Convalida di set di dati
Prima che Amazon Fraud Detector inizi a creare il modello, verifica se le variabili incluse nel set di dati per l'addestramento del modello soddisfano le dimensioni, il formato e altri requisiti. Se il set di dati non supera la convalida, il modello non viene creato. È necessario innanzitutto correggere le variabili che non hanno superato la convalida prima di creare il modello. Amazon Fraud Detector ti fornisce un profiler di dati che puoi utilizzare per aiutarti a identificare e risolvere i problemi con il tuo set di dati prima di iniziare ad addestrare il modello
Profiler di dati
Amazon Fraud Detector fornisce uno strumento open source per la profilazione e la preparazione dei dati per l'addestramento dei modelli. Questo profiler automatico dei dati ti aiuta a evitare i comuni errori di preparazione dei dati e a identificare potenziali problemi, ad esempio tipi di variabili mappati erroneamente, che potrebbero influire negativamente sulle prestazioni del modello. Il profiler genera un report intuitivo e completo del set di dati, che include statistiche sulle variabili, distribuzione delle etichette, analisi categoriche e numeriche e correlazioni tra variabili ed etichette. Fornisce indicazioni sui tipi di variabili e un'opzione per trasformare il set di dati in un formato richiesto da Amazon Fraud Detector.
Utilizzo del profilatore di dati
Il profiler di dati automatizzato è costruito con uno AWS CloudFormation stack, che puoi avviare facilmente con pochi clic. Tutti i codici sono disponibili su https://github.com/aws-samples/aws-fraud-detector-samples
Errori comuni nei set di dati relativi agli eventi
Di seguito sono riportati alcuni dei problemi più comuni riscontrati da Amazon Fraud Detector durante la convalida di un set di dati di eventi. Dopo aver eseguito il profiler di dati, utilizza questo elenco per verificare la presenza di errori nel set di dati prima di creare il modello.
Il file CSV non è nel formato. UTF-8
Il numero di eventi nel set di dati è inferiore a 100.
Il numero di eventi identificati come fraudolenti o legittimi è inferiore a 50.
Il numero di entità uniche associate a un evento di frode è inferiore a 100.
Più dello 0,1% dei valori in EVENT_TIMESTAMP contiene valori nulli o valori diversi dai formati supportati. date/timestamp
Più dell'1% dei valori in EVENT_LABEL contiene valori nulli o diversi da quelli definiti nel tipo di evento.
Sono disponibili meno di due variabili per l'addestramento dei modelli.
Memorizzazione di set di dati
Dopo aver raccolto il set di dati, lo archivi internamente utilizzando Amazon Fraud Detector o esternamente con Amazon Simple Storage Service (Amazon S3). Ti consigliamo di scegliere dove archiviare il set di dati in base al modello utilizzato per generare previsioni di frode. Per ulteriori informazioni sui tipi di modello, consulta Scegliere un tipo di modello. Per ulteriori informazioni sulla memorizzazione del set di dati, vedereMemorizzazione dei dati degli eventi.
