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 AutoGluon, e. 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.

# Importa un modello di intelligenza artificiale SageMaker
<a name="import-an-amazon-sagemaker-model"></a>

Facoltativamente, puoi importare modelli SageMaker ospitati dall'intelligenza artificiale in Amazon Fraud Detector. Analogamente ai modelli, i modelli di SageMaker intelligenza artificiale possono essere aggiunti ai rilevatori e generare previsioni di frode utilizzando l'API. `GetEventPrediction` Come parte della `GetEventPrediction` richiesta, Amazon Fraud Detector richiamerà il tuo endpoint SageMaker AI e passerà i risultati alle tue regole.

Puoi configurare Amazon Fraud Detector per utilizzare le variabili di evento inviate come parte della `GetEventPrediction` richiesta. Se scegli di utilizzare variabili di evento, devi fornire un modello di input. Amazon Fraud Detector utilizzerà questo modello per trasformare le variabili degli eventi nel payload di input richiesto per richiamare l'endpoint AI. SageMaker In alternativa, puoi configurare il tuo modello di SageMaker intelligenza artificiale per utilizzare un ByteBuffer inviato come parte della richiesta. `GetEventPrediction`

Amazon Fraud Detector supporta l'importazione di algoritmi SageMaker AI che utilizzano formati di input JSON o CSV e formati di output JSON o CSV. Esempi di algoritmi di SageMaker intelligenza artificiale supportati includono Linear Learner e Random Cut XGBoost Forest.

## Importa un modello di SageMaker intelligenza artificiale utilizzando il AWS SDK per Python (Boto3)
<a name="import-an-amazon-sagemaker-model-using-the-aws-python-sdk"></a>

Per importare un modello di SageMaker intelligenza artificiale, utilizza l'`PutExternalModel`API. L'esempio seguente presuppone che l'endpoint SageMaker AI sia `sagemaker-transaction-model` stato distribuito, sia in `InService` stato e utilizzi l'algoritmo. XGBoost 

La configurazione di input specifica che utilizzerà le variabili di evento per costruire l'input del modello (`useEventVariables`è impostato su). `TRUE` Il formato di input è TEXT\_CSV, dato XGBoost che richiede un input CSV. csvInputTemplate Specificano come costruire l'input CSV dalle variabili inviate come parte della richiesta. `GetEventPrediction` Questo esempio presuppone che tu abbia creato le variabili`order_amt`, e. `prev_amt` `hist_amt` `payment_type`

La configurazione di output specifica il formato di risposta del modello SageMaker AI e mappa l'indice CSV appropriato alla variabile Amazon Fraud Detector. `sagemaker_output_score` Una volta configurata, puoi utilizzare la variabile di output nelle regole. 

**Nota**  
L'output di un modello di SageMaker intelligenza artificiale deve essere mappato su una variabile con sorgente`EXTERNAL_MODEL_SCORE`. Non è possibile creare queste variabili nella console utilizzando **Variables**. È invece necessario crearle quando si configura l'importazione del modello.

```
import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.put_external_model (
modelSource = 'SAGEMAKER',
modelEndpoint = 'sagemaker-transaction-model',
invokeModelEndpointRoleArn = 'your_SagemakerExecutionRole_arn',
inputConfiguration = {
    'useEventVariables' : True,
    'eventTypeName' : 'sample_transaction',
    'format' : 'TEXT_CSV',
    'csvInputTemplate' : '{{order_amt}}, {{prev_amt}}, {{hist_amt}}, {{payment_type}}'
},

outputConfiguration = {
    'format' : 'TEXT_CSV',
    'csvIndexToVariableMap' : {
        '0' : 'sagemaker_output_score'
    }
},
    
modelEndpointStatus = 'ASSOCIATED'
)
```