Amazon Fraud Detector는 2025년 11월 7일부터 신규 고객에게 더 이상 공개되지 않습니다. Amazon Fraud Detector와 유사한 기능을 알아보려면 Amazon SageMaker, AutoGluon 및를 살펴보세요 AWS WAF.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 파트 B: 사기 예측 생성
<a name="part-b"></a>

사기 예측은 비즈니스 활동(이벤트)에 대한 사기 평가입니다. Amazon Fraud Detector는 탐지기를 사용하여 사기 예측을 생성합니다. 탐지기에는 사기를 평가하려는 특정 이벤트에 대한 모델 및 규칙과 같은 탐지 로직이 포함되어 있습니다. 탐지 로직은 규칙을 사용하여 모델과 연결된 데이터를 해석하는 방법을 Amazon Fraud Detector에 알립니다. 이 자습서에서는 이전에 업로드한 계정 등록 예제 데이터 세트를 사용하여 계정 등록 이벤트를 평가합니다.

파트 A에서는 모델을 생성, 훈련 및 배포했습니다. 파트 B에서는 `sample_registration` 이벤트 유형에 대한 감지기를 빌드하고, 배포된 모델을 추가하고, 규칙 및 규칙 실행 순서를 생성한 다음, 사기 예측을 생성하는 데 사용하는 감지기 버전을 생성하고 활성화합니다.

## 1단계: 감지기 빌드
<a name="step-1-create-app"></a>

**감지기를 생성하려면**

1. Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 **감지기를** 선택합니다.

1. **감지기 생성**을 선택합니다.

1. **감지기 세부 정보 정의** 페이지에서 감지기 이름`sample_detector`에를 입력합니다. 선택적으로와 같은 감지기에 대한 설명을 입력합니다`my sample fraud detector`.

1. **이벤트 유형**에서 **sample\_registration**을 선택합니다. 이 이벤트는이 자습서의 파트 A에서 생성한 이벤트입니다.

1. **다음**을 선택합니다.

## 2단계: 모델 추가
<a name="add-model-detector"></a>

이 자습서의 파트 A를 완료했다면 감지기에 추가할 수 있는 Amazon Fraud Detector 모델이 이미 있을 것입니다. 아직 모델을 생성하지 않은 경우 파트 A로 이동하여 모델을 생성, 훈련 및 배포하는 단계를 완료한 다음 파트 B를 계속 진행합니다.

1. **모델 추가 - 선택 사항**에서 **모델 추가**를 선택합니다.

1. **모델 추가** 페이지의 **모델 선택**에서 이전에 배포한 Amazon Fraud Detector 모델 이름을 선택합니다. **버전 선택**에서 배포된 모델의 모델 버전을 선택합니다.

1. **모델 추가**를 선택합니다.

1. **다음**을 선택합니다.

## 3단계: 규칙 추가
<a name="add-rules-to-detector"></a>

규칙은 사기 예측을 평가할 때 모델 성능 점수를 해석하는 방법을 Amazon Fraud Detector에 알려주는 조건입니다. 이 자습서에서는 , 및 `high_fraud_risk``medium_fraud_risk`의 세 가지 규칙을 생성합니다`low_fraud_risk`.

1. **규칙 추가** 페이지의 **규칙 정의**에서 규칙 이름`high_fraud_risk`에를 입력하고 **설명 - 선택 사항**에서 규칙에 대한 설명**This rule captures events with a high ML model score**으로를 입력합니다.

1. **표현식**에서 Amazon Fraud Detector 간소화된 규칙 표현식 언어를 사용하여 다음 규칙 표현식을 입력합니다.

   `$sample_fraud_detection_model_insightscore > 900`

1. **결과**에서 **새 결과 생성을** 선택합니다. 결과는 사기 예측의 결과이며 평가 중에 규칙이 일치하면 반환됩니다.

1. **새 결과 생성**에서 결과 이름으로 `verify_customer`를 입력합니다. 필요한 경우 설명을 입력합니다.

1. **결과 저장**을 선택합니다.

1. **규칙 추가**를 선택하여 규칙 검증 검사기를 실행하고 규칙을 저장합니다. 생성된 후 Amazon Fraud Detector는 감지기에서 규칙을 사용할 수 있도록 합니다.

1. **다른 규칙 추가**를 선택한 다음 **규칙 생성** 탭을 선택합니다.

1. 다음 `low_fraud_risk` 규칙 세부 정보를 사용하여이 프로세스를 두 번 더 반복하여 `medium_fraud_risk` 및 규칙을 생성합니다.
   + medium\_fraud\_risk

     규칙 이름: `medium_fraud_risk`

     결과: `review`

     표현식:

     `$sample_fraud_detection_model_insightscore <= 900 and`

     `$sample_fraud_detection_model_insightscore > 700`
   + low\_fraud\_risk

     규칙 이름: `low_fraud_risk`

     결과: `approve`

     표현식:

     `$sample_fraud_detection_model_insightscore <= 700`

   이러한 값은이 자습서에 사용되는 예제입니다. 자체 감지기에 대한 규칙을 생성할 때 모델 및 사용 사례에 적합한 값을 사용합니다.

1. 세 가지 규칙을 모두 생성한 후 **다음을** 선택합니다.

   규칙 생성 및 작성에 대한 자세한 내용은 [규칙](rules.md) 및 단원을 참조하십시오[규칙 언어 참조](rule-language-reference.md).

## 4단계: 규칙 실행 및 규칙 순서 구성
<a name="get-start-define-rule-order"></a>

감지기에 포함된 규칙의 규칙 실행 모드에 따라 정의한 모든 규칙이 평가되는지 또는 규칙 평가가 첫 번째 일치 규칙에서 중지되는지가 결정됩니다. 규칙 순서에 따라 규칙을 실행할 순서가 결정됩니다.

기본 규칙 실행 모드는 입니다`FIRST_MATCHED`.

**첫 번째 일치**  
첫 번째 일치 규칙 실행 모드는 정의된 규칙 순서를 기반으로 첫 번째 일치 규칙의 결과를 반환합니다. `FIRST_MATCHED`를 지정하면 Amazon Fraud Detector는 처음부터 마지막까지 순차적으로 규칙을 평가하고 처음 일치하는 규칙에서 중지합니다. 그러면 Amazon Fraud Detector는 해당 단일 규칙에 대한 결과를 제공합니다.  
에서 규칙을 실행하는 순서는 결과적으로 발생하는 사기 예측 결과에 영향을 미칠 수 있습니다. 규칙을 생성한 후 다음 단계에 따라 규칙을 원하는 순서로 실행하도록 재정렬합니다.  
`high_fraud_risk` 규칙이 아직 규칙 목록 상단에 없는 경우 **순서를** 선택한 다음 **1**을 선택합니다. 그러면 첫 `high_fraud_risk` 번째 위치로 이동합니다.  
규칙이 두 번째 위치에 있고 `medium_fraud_risk` 규칙`low_fraud_risk`이 세 번째 위치에 있도록이 프로세스를 반복합니다.

**모두 일치**  
일치하는 모든 규칙 실행 모드는 규칙 순서에 관계없이 일치하는 모든 규칙에 대한 결과를 반환합니다. 를 지정하면 `ALL_MATCHED`Amazon Fraud Detector는 모든 규칙을 평가하고 일치하는 모든 규칙에 대한 결과를 반환합니다.

이 자습서`FIRST_MATCHED`에서를 선택한 **후 다음을** 선택합니다.