Termini e concetti fondamentali

Un evento è l'attività aziendale della tua organizzazione che viene valutata per il rischio di frode. Amazon Fraud Detector genera previsioni di frode per gli eventi.

Un'etichetta classifica un singolo evento come fraudolento o legittimo. Le etichette vengono utilizzate per addestrare modelli di apprendimento automatico in Amazon Fraud Detector.

Un'entità rappresenta chi esegue l'evento. Fornisci l'ID dell'entità come parte dei dati sulle frodi della tua azienda per indicare l'entità specifica che ha eseguito l'evento.

Un tipo di evento definisce la struttura di un evento inviato ad Amazon Fraud Detector. Ciò include i dati inviati come parte dell'evento, l'entità che esegue l'evento (ad esempio un cliente) e le etichette che classificano l'evento. I tipi di eventi di esempio includono le transazioni di pagamento online, le registrazioni di account e l'autenticazione.

Un tipo di entità classifica l'entità. Le classificazioni di esempio includono cliente, commerciante o account.

Il set di dati degli eventi è costituito dai dati storici della vostra azienda relativi a una specifica attività commerciale o a un evento. Ad esempio, l'evento della vostra azienda potrebbe essere la registrazione di un account online. I dati di un singolo evento (registrazione) potrebbero includere l'indirizzo IP, l'indirizzo e-mail, l'indirizzo di fatturazione e il timestamp dell'evento associati. Fornisci un set di dati sugli eventi ad Amazon Fraud Detector per creare e addestrare modelli di rilevamento delle frodi.

Un modello è un risultato di algoritmi di apprendimento automatico. Questi algoritmi sono implementati nel codice ed eseguiti sui dati degli eventi forniti dall'utente.

Il tipo di modello definisce gli algoritmi, gli arricchimenti e le trasformazioni delle funzionalità utilizzati durante l'addestramento del modello. Definisce inoltre i requisiti in materia di dati per addestrare il modello. Queste definizioni servono a ottimizzare il modello per un tipo specifico di frode. È necessario specificare il tipo di modello da utilizzare quando si crea il modello.

L'addestramento del modello è il processo di utilizzo di un set di dati di eventi fornito per creare un modello in grado di prevedere eventi fraudolenti. Tutte le fasi del processo di formazione dei modelli sono completamente automatizzate. Questi passaggi includono la convalida dei dati, la trasformazione dei dati, l'ingegneria delle funzionalità, la selezione degli algoritmi e l'ottimizzazione del modello.

Il punteggio del modello è il risultato della valutazione dei dati storici sulle frodi della tua azienda. Durante il processo di formazione del modello, Amazon Fraud Detector valuta il set di dati per le attività fraudolente e genera un punteggio compreso tra 0 e 1000. Per questo punteggio, 0 rappresenta un basso rischio di frode mentre 1000 rappresenta il rischio di frode più elevato. Il punteggio stesso è direttamente correlato al tasso di falsi positivi (FPR).

Una versione del modello è il risultato dell'addestramento di un modello.

L'implementazione del modello è un processo per attivare una versione del modello e renderla disponibile per generare previsioni di frode.

Oltre a creare modelli utilizzando Amazon Fraud Detector, puoi opzionalmente utilizzare gli endpoint del SageMaker modello ospitati dall'intelligenza artificiale nelle valutazioni di Amazon Fraud Detector.

Per ulteriori informazioni sulla creazione di un modello in SageMaker AI, consulta Train a Model with. Amazon SageMaker AI

Un rilevatore contiene la logica di rilevamento, ad esempio il modello e le regole per un particolare evento che desideri valutare per individuare eventuali frodi. Si crea un rilevatore utilizzando una versione del modello.

Un rilevatore può avere più versioni, ognuna delle quali ha lo stato di DraftActive, o. Inactive ActiveLo stato può essere impostato su una sola versione del rilevatore alla volta.

Una variabile rappresenta un elemento di dati associato a un evento che si desidera utilizzare per la previsione delle frodi. Le variabili possono essere inviate con un evento come parte di una previsione di frode o derivate, come l'output di un modello Amazon Fraud Detector o. Amazon SageMaker AI

Una regola è una condizione che indica ad Amazon Fraud Detector come interpretare i valori delle variabili durante una previsione di frode. Una regola è composta da una o più variabili, un'espressione logica e uno o più risultati. Le variabili utilizzate nella regola devono far parte del set di dati degli eventi valutato dal rilevatore. Inoltre, ogni rilevatore deve avere almeno una regola associata.

Questo è il risultato, o il risultato, di una previsione di frode. Ogni regola utilizzata in una previsione delle frodi deve specificare uno o più risultati.

La previsione delle frodi è una valutazione delle frodi per un singolo evento o per una serie di eventi. Amazon Fraud Detector genera previsioni di frode per un singolo evento online in tempo reale fornendo in modo sincrono un punteggio modello e un risultato basati sulle regole. Amazon Fraud Detector genera previsioni di frode per una serie di eventi offline. Puoi utilizzare le previsioni per eseguire operazioni offline proof-of-concept o per valutare retrospettivamente il rischio di frode su base oraria, giornaliera o settimanale.

Le spiegazioni sulla previsione delle frodi forniscono informazioni sull'impatto di ciascuna variabile sul punteggio di previsione delle frodi del modello. Fornisce informazioni su come ciascuna variabile influenzi i punteggi di rischio in termini di entità (da 0 a 5, dove 5 indica il valore più alto) e direzione (determinando un aumento o una diminuzione del punteggio).