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.

# 변수
<a name="variables"></a>

변수는 사기 예측에 사용하려는 데이터 요소를 나타냅니다. 이러한 변수는 모델 훈련을 위해 준비한 이벤트 데이터 세트, Amazon Fraud Detector 모델의 위험 점수 출력 또는 Amazon SageMaker AI 모델에서 가져올 수 있습니다. 이벤트 데이터 세트에서 가져온 변수에 대한 자세한 내용은 섹션을 참조하세요[데이터 모델 탐색기를 사용하여 이벤트 데이터 세트 요구 사항 가져오기](create-event-dataset.md#prepare-event-dataset).

사기 예측에 사용할 변수를 먼저 생성한 다음 이벤트 유형을 생성할 때 이벤트에 추가해야 합니다. 생성하는 각 변수에는 데이터 유형, 기본값 및 선택적으로 변수 유형이 할당되어야 합니다. Amazon Fraud Detector는 IP 주소, 은행 식별 번호(BINs) 및 전화번호와 같이 사용자가 제공하는 일부 변수를 보강하여 이러한 변수를 사용하는 모델에 대한 추가 입력을 생성하고 성능을 높입니다.

## 데이터 타입
<a name="data-types"></a>

변수에는 변수가 나타내는 데이터 요소에 대한 데이터 형식이 있어야 하며 선택적으로 사전 정의된 중 하나를 할당할 수 있습니다[변수 유형](#variable-types). 변수 유형에 할당된 변수의 경우 데이터 유형이 미리 선택됩니다. 가능한 데이터 형식은 다음과 같습니다.


| 데이터 유형 | 설명  | 기본값  | 예제 값 | 
| --- | --- | --- | --- | 
| 문자열 | 문자, 정수 또는 둘 다의 조합 | <빈 값> |  abc, 123, 1D3B  | 
| Integer | 양수 또는 음수 정수 | 0 | 1, -1 | 
| 부울 | True 또는 False | False | True, False | 
| DateTime | ISO 8601 표준 UTC 형식으로만 지정된 날짜 및 시간 | <빈 값> | 2019-11-30T13:01:01Z | 
| Float | 소수점이 있는 숫자 | 0.0 | 4.01, 0.10 | 

## 기본값
<a name="default-value"></a>

변수에는 기본값이 있어야 합니다. Amazon Fraud Detector가 사기 예측을 생성할 때이 기본값은 Amazon Fraud Detector가 변수 값을 수신하지 않는 경우 규칙 또는 모델을 실행하는 데 사용됩니다. 제공하는 기본값은 선택한 데이터 유형과 일치해야 합니다. AWS 콘솔에서 Amazon Fraud Detector는 정수의 `0` 경우 , 부울의 `false` 경우 , 부동 소수점의 `0.0` 경우 , 문자열의 경우 (비어 있음)의 기본값을 할당합니다. 이러한 데이터 유형에 대해 사용자 지정 기본값을 설정할 수 있습니다.

## 변수 유형
<a name="variable-types"></a>

변수를 생성할 때 선택적으로 변수를 변수 유형에 할당할 수 있습니다. 변수 유형은 모델을 훈련하고 사기 예측을 생성하는 데 사용되는 일반적인 데이터 요소를 나타냅니다. 연결된 변수 유형이 있는 변수만 모델 훈련에 사용할 수 있습니다. 모델 훈련 프로세스의 일환으로 Amazon Fraud Detector는 변수와 연결된 변수 유형을 사용하여 변수 보강, 기능 엔지니어링 및 위험 점수를 수행합니다.

Amazon Fraud Detector에는 변수에 할당하는 데 사용할 수 있는 다음과 같은 변수 유형이 미리 정의되어 있습니다.

[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/frauddetector/latest/ug/variables.html)

### 변수 유형에 변수 할당
<a name="assign-variable-to-variable-type"></a>

모델 훈련에 변수를 사용할 계획이라면 변수에 할당할 올바른 변수 유형을 선택하는 것이 중요합니다. 잘못된 변수 유형 할당은 모델 성능에 부정적인 영향을 미칠 수 있습니다. 또한 특히 여러 모델 및 이벤트가 변수를 사용한 경우 나중에 할당을 변경하는 것이 매우 어려울 수 있습니다.

미리 정의된 변수 유형 중 하나 또는 `FREE_FORM_TEXT`, 또는 사용자 지정 변수 유형 중 하나를 변수에 할당할 수 있습니다`CATEGORICAL``NUMERIC`.

**올바른 변수 유형에 변수를 할당하기 위한 중요 참고 사항**

1. 변수가 사전 정의된 변수 유형 중 하나와 일치하는 경우 해당 변수를 사용합니다. 변수 유형이 변수에 해당하는지 확인합니다. 예를 들어 *ip\$1address* 변수를 `EMAIL_ADDRESS` 변수 유형에 할당하면 ip\$1address 변수는 ASN, ISP, 지리적 위치 및 위험 점수와 같은 보강으로 보강되지 않습니다. 자세한 내용은 [변수 보강](#variable-enrichments) 단원을 참조하십시오.

1. 변수가 사전 정의된 변수 유형과 일치하지 않는 경우 아래 나열된 권장 사항에 따라 사용자 지정 변수 유형 중 하나를 할당합니다.

1. 일반적으로 자연 순서가 없고 범주, 세그먼트 또는 그룹에 넣을 수 있는 `CATEGORICAL` 변수에 변수 유형을 할당합니다. 모델 훈련에 사용하는 데이터 세트에는 *merchant\$1id*, *campaign\$1id* 또는 *policy\$1id*와 같은 ID 변수가 있을 수 있습니다. 이러한 변수는 그룹을 나타냅니다(예: policy\$1id가 동일한 모든 고객은 그룹을 나타냄). 다음 데이터가 있는 변수에는 CATEGORICAL 변수 유형을 할당해야 합니다.
   + *customer\$1ID*, *segment\$1ID, color\$1ID*, *department\$1code* 또는 *product\$1ID*와 같은 데이터가 포함된 변수입니다. ** 
   + true, false 또는 null 값을 가진 부울 데이터가 포함된 변수입니다.
   + 회사 이름, 제품 범주, 카드 유형 또는 추천 미디어와 같은 그룹 또는 범주에 넣을 수 있는 변수입니다.
**참고**  
`ENTITY_ID`는 Amazon Fraud Detector에서 ENTITY\$1ID 변수에 할당하는 데 사용되는 예약 변수 유형입니다. ENTITY\$1ID 변수는 평가하려는 작업을 시작하는 개체의 ID입니다. TFI(Transaction Fraud Insight) 모델 유형을 생성하는 경우 ENTITY\$1ID 변수를 제공해야 합니다. 데이터의 어떤 변수가 작업을 시작하는 엔터티를 고유하게 식별하고 이를 ENTITY\$1ID 변수로 전달해야 합니다. 데이터 세트에 있는 다른 모든 IDs CATEGORICAL 변수 유형이 있고 모델 훈련에 사용하는 경우 CATEGORICAL 변수 유형을 할당합니다. 데이터 세트의 개체가 아닌 다른 IDs의 예로는 *merchant\$1ID*, *policy\$1ID* 및 *campaign\$1ID*가 있습니다.

1. 텍스트 블록이 포함된 `FREE_FORM_TEXT` 변수에 변수 유형을 할당합니다. FREE\$1FORM\$1TEXT 변수 유형의 예로는 *사용자 리뷰*, *설명*, *날짜* 및 *추천 코드가* 있습니다. FREE\$1FORM\$1TEXT 데이터에는 구분 기호로 구분된 여러 토큰이 포함되어 있습니다. 구분 기호는 영숫자 및 밑줄 기호 이외의 모든 문자일 수 있습니다. 예를 들어 사용자 리뷰와 설명은 “공백” 구분 기호로 구분할 수 있으며, 날짜 및 추천 코드는 하이픈을 구분 기호로 사용하여 접두사, 접미사 및 중간 부분을 구분할 수 있습니다. Amazon Fraud Detector는 구분 기호를 사용하여 FREE\$1FORM\$1TEXT 변수에서 데이터를 추출합니다.

1. 실수이고 순서가 고유한 변수에 *NUMERIC* 변수 유형을 할당합니다. NUMERIC 변수의 예로는 *day\$1of\$1the\$1week*, *incident\$1severity*, *customer\$1rating*이 있습니다. 이러한 변수에 CATEGORICAL 변수 유형을 할당할 수 있지만 NUMERIC 변수 유형에 고유한 순서로 모든 실수 변수를 할당하는 것이 좋습니다.

## 변수 보강
<a name="variable-enrichments"></a>

Amazon Fraud Detector는 IP 주소, 은행 식별 번호(BINs) 및 전화번호와 같이 사용자가 제공하는 일부 원시 데이터 요소를 보강하여 이러한 데이터 요소를 사용하는 모델에 대한 추가 입력을 생성하고 성능을 향상시킵니다. 보강은 잠재적으로 의심스러운 상황을 식별하고 모델이 더 많은 사기를 포착하는 데 도움이 됩니다.

### 전화번호 보강
<a name="phone-number-enrichment"></a>

Amazon Fraud Detector는 전화번호 데이터를 지리적 위치, 원래 통신 사업자 및 전화번호의 유효성과 관련된 추가 정보로 보강합니다. 전화번호 보강은 *2021년 12월 13*일 이후에 훈련되고 국가 코드(\$1xxx)가 포함된 전화번호가 있는 모든 모델에 대해 자동으로 활성화됩니다. 모델에 전화번호 변수를 포함시키고 *2021년 12월 13*일 이전에 학습시킨 경우이 보강을 활용할 수 있도록 모델을 재학습하십시오.

데이터가 성공적으로 보강되도록 전화번호 변수에 다음 형식을 사용하는 것이 좋습니다.


| 변수 | 형식 | 설명 | 
| --- | --- | --- | 
| PHONE\$1NUMBER | [E.164](https://en.wikipedia.org/wiki/E.164) 표준 | 전화번호와 함께 국가 코드(\$1xxx)를 포함해야 합니다. | 
| BILLING\$1PHONE 및 SHIPPING\$1PHONE | [E.164](https://en.wikipedia.org/wiki/E.164) 표준 | 전화번호와 함께 국가 코드(\$1xxx)를 포함해야 합니다. | 

### 지리적 위치 보강
<a name="geolocation-enrichment"></a>

*2022년 2월 8*일부터 Amazon Fraud Detector는 이벤트에 제공하는 IP\$1ADDRESS, BILLING\$1ZIP 및 SHIPPING\$1ZIP 값 간의 물리적 거리를 계산합니다. 계산된 거리는 사기 탐지 모델의 입력으로 사용됩니다.

지리적 위치 보강을 활성화하려면 이벤트 데이터에 IP\$1ADDRESS, BILLING\$1ZIP 또는 SHIPPING\$1ZIP의 세 가지 변수 중 두 개 이상이 포함되어야 합니다. 또한 각 BILLING\$1ZIP 및 SHIPPING\$1ZIP 값에는 각각 유효한 BILLING\$1COUNTRY 코드와 SHIPPING\$1COUNTRY 코드가 있어야 합니다. *2022년 2월 8*일 이전에 훈련된 모델이 있고 이러한 변수가 포함된 경우 지리 위치 보강을 활성화하도록 모델을 재훈련해야 합니다.

데이터가 유효하지 않아 Amazon Fraud Detector가 이벤트의 IP\$1ADDRESS, BILLING\$1ZIP 또는 SHIPPING\$1ZIP 값과 연결된 위치를 확인할 수 없는 경우 특수 자리 표시자 값이 대신 사용됩니다. 예를 들어 이벤트에 유효한 IP\$1ADDRESS 및 BILLING\$1ZIP 값이 있지만 SHIPPING\$1ZIP 값이 유효하지 않다고 가정합니다. 이 경우 보강은 IP\$1ADDRESS–> BILLING\$1ZIP에 대해서만 수행됩니다. IP\$1ADDRESS–>SHIPPING\$1ZIP 및 BILLING\$1ZIP–>SHIPPING\$1ZIP에 대해서는 보강이 수행되지 않습니다. 대신 자리 표시자 값이 자리에 사용됩니다. 모델에 지리적 위치 보강이 활성화되어 있는지 여부에 관계없이 모델의 성능은 변경되지 않습니다.

BILLING\$1ZIP 및 SHIPPING\$1ZIP 변수를 CUSTOM\$1CATEGORICAL 변수 유형에 매핑하여 지리적 위치 보강을 옵트아웃할 수 있습니다. 변수 유형을 변경해도 모델의 성능에는 영향을 주지 않습니다.

**지리적 위치 변수 형식**

위치 데이터가 성공적으로 보강되도록 지리적 위치 변수에 다음 형식을 사용하는 것이 좋습니다.


| 변수 | 형식 | 설명 | 
| --- | --- | --- | 
| IP\$1ADDRESS | [IPv4 주소](https://en.wikipedia.org/wiki/IP_address#IPv4_addresses) | 예: 1.1.1.1 | 
| BILLING\$1ZIP 및 SHIPPING\$1ZIP | 지정된 국가의 [ISO 3166-1 alpha-2](https://en.wikipedia.org/wiki/ISO_3166-1_alpha-2) 우편 번호  | 자세한 내용은이 주제의 국가 및 지역 코드  섹션을 참조하세요. | 
| BILLING\$1COUNTRY 및 SHIPPING\$1COUNTRY | [ISO 3166-1 alpha-2](https://en.wikipedia.org/wiki/ISO_3166-1_alpha-2) 2자 표준 국가 코드 | 자세한 내용은이 주제의 국가 및 지역 코드 섹션을 참조하세요. Amazon Fraud Detector는 국가 이름의 모든 일반적인 변형을 ISO 3166-1 2자 표준 국가 코드와 일치시키려고 합니다. 그러나 올바르게 매칭될 것이라고 보장할 수는 없습니다. | 

#### 국가 및 지역 코드
<a name="countries-code-format"></a>

다음 표에는 지리적 위치 보강을 위해 Amazon Fraud Detector에서 지원하는 국가 및 지역의 전체 목록이 나와 있습니다. 각 국가 및 지역에는 할당된 국가 코드(특히 ISO 3166-1 알파-2 2자 국가 코드)와 우편 번호가 있습니다.

**우편 번호 형식**
+ 9 - 숫자
+  a - 문자
+ [X] - X는 선택 사항입니다. 예를 들어 Guersney "GY9[9] 9aa"는 "GY9 9aa"와 "GY99 9aa"가 모두 유효함을 의미합니다. 한 가지 형식을 사용합니다.
+ [X/XX] - X 또는 XX를 사용할 수 있습니다. 예를 들어, Bermuda "a[aa/99]"는 "aa"와 "aa 99"가 모두 유효함을 의미합니다. 이러한 형식 중 하나를 사용하지만 둘 다 사용하지*는 않습니다*.
+ 일부 국가에는 고정 접두사가 있습니다. 예를 들어 Andorra의 우편 번호는 AD999입니다. 즉, 국가 코드는 *AD* 문자로 시작하고 그 뒤에 세 개의 숫자가 와야 합니다.


| 코드 | 이름  | 우편 번호 | 
| --- | --- | --- | 
| AD | 안도라 | AD999 | 
| AR | 네덜란드령 안틸 제도 | 9999 | 
| AT | 오스트리아 | 9999 | 
| AU | 호주 | 9999 | 
| AZ | 아제르바이잔 | AZ 9999 | 
| BD | 방글라데시 | 9999 | 
| BE | 벨기에 | 9999 | 
| BG | 불가리아 | 9999 | 
| BM | 버뮤다 | aa[aa/99] | 
| BY | 벨로루시 | 999999 | 
| CA | 캐나다 | a9a 9a9 | 
| CH | 스위스 | 9999 | 
| CL | 칠레 | 9999999 | 
| CO | 콜롬비아 | 999999 | 
| CR | 코스타리카 | 99999 | 
| CY | 사이프러스 | 9999 | 
| CZ | 체코 | 999 99 | 
| DE | 독일 | 99999 | 
| DK | 덴마크 | 9999 | 
| DO | 도미니카 공화국 | 99999 | 
| DZ | 알제리 | 99999 | 
| EE | 에스토니아 | 99999 | 
| ES | 스페인 | 99999 | 
| FI | 핀란드 | 99999 | 
| FM | 미크로네시아 연방 | 99999 | 
| FO | 페로 제도 | 999 | 
| FR | 프랑스 | 99999 | 
| GB | 영국 | a[a]9[a/9] 9aa  | 
| GG | 건지 | GY9[9] 9aa | 
| GL | 그린란드 | 9999 | 
| GP | 과들루프 | 99999 | 
| GT | 과테말라 | 99999 | 
| GU | 괌 | 99999 | 
| HR | 크로아티아 | 99999 | 
| HU | 헝가리 | 9999 | 
| IE | 아일랜드 | a99[a/9][a/9][a/9][a/9] | 
| IM | 맨 섬 | IM9[9]9aa | 
| IN | 인도 | 999999 | 
| IS | 아이슬란드 | 999 | 
| IT | 이탈리아 | 99999 | 
| JE | 저지 | JE9[9]9aa | 
| JP | 일본 | 999-9999 | 
| KR | 대한민국 | 99999 | 
| LI | 리히텐슈타인 | 9999 | 
| LK | 스리랑카 | 99999 | 
| LT | 리투아니아 | 99999 | 
| LU | 룩셈부르크 | L-9999 | 
| LV | 라트비아 | LV-9999 | 
| MC | 모나코 | 99999 | 
| MD | 몰도바 공화국 | 9999 | 
| MH | 마셜 제도 | 99999 | 
| MK | 북 마케도니아 | 9999 | 
| MP | 북마리아나 제도 | 99999 | 
| MQ | 마티니크 | 99999 | 
| MT | 몰타 | aaa 9999 | 
| MX | 멕시코 | 99999 | 
| MY | 말레이시아 | 99999 | 
| NL | 네덜란드 | 9999 aa | 
| NO | 노르웨이 | 9999 | 
| NZ | 뉴질랜드 | 9999 | 
| PH | 필리핀 | 9999 | 
| PK | 파키스탄 | 99999 | 
| PL | 폴란드 | 99-999 | 
| PR | 푸에르토리코 | 99999 | 
| PT | 포르투갈 | 9999-999 | 
| PW | 팔라우 | 99999 | 
| RE |  레위니옹  | 99999 | 
| RO | 루마니아 | 999999 | 
| RU | 러시아 연방 | 999999 | 
| SE | 스웨덴 | 999 99 | 
| SG | 싱가포르 | 999999 | 
| SI | 슬로베니아 | 9999 | 
| SK | 슬로바키아 | 999 99 | 
| SM | 산마리노 | 99999 | 
| TH | 태국 | 99999 | 
| TR | 터키 | 99999 | 
| UA | 우크라이나 | 99999 | 
| US | 미국 | 99999 | 
| UY | 우루과이 | 99999 | 
| VI | 미국령 버진 제도 | 99999 | 
| WF | 월리스 푸투나 | 99999 | 
| YT | 마요트 | 99999 | 
| ZA | 남아프리카 공화국 | 9999 | 

### Useragent 보강
<a name="useragent-enrichment"></a>

Account Takeover Insights(ATI) 모델을 생성하는 경우 데이터 세트에 변수 유형의 `useragent` 변수를 제공해야 합니다. 이 변수에는 로그인 이벤트의 브라우저, 디바이스 및 OS 데이터가 포함됩니다. Amazon Fraud Detector는 `OS_family`, 및 `user_agent_family`와 같은 추가 정보로 useragent 데이터를 보강합니다`device_family`.

# 변수 생성
<a name="create-a-variable"></a>

Amazon Fraud Detector 콘솔에서 [create-variable](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/frauddetector/create-variable.html) 명령을 사용하거나 [CreateVariable](https://docs.aws.amazon.com/frauddetector/latest/api/API_CreateVariable.html)을 사용하거나를 사용하여 변수를 생성할 수 있습니다. AWS SDK for Python (Boto3)

## Amazon Fraud Detector 콘솔을 사용하여 변수 생성
<a name="create-a-variable-using-console"></a>

이 예제에서는 `email_address` 및 라는 두 개의 변수를 생성하고 해당 변수 유형(`EMAIL_ADDRESS` 및 )에 `ip_address`할당합니다`IP_ADDRESS`. 이러한 변수는 예제로 사용됩니다. 모델 훈련에 사용할 변수를 생성하는 경우 사용 사례에 적합한 데이터 세트의 변수를 사용합니다. 변수를 생성하기 [변수 보강](variables.md#variable-enrichments) 전에 [변수 유형](variables.md#variable-types) 및에 대해 읽어야 합니다.

**변수를 생성하려면**

1. [AWS Management Console](https://console.aws.amazon.com/)을 열고 계정에 로그인합니다.

1. Amazon Fraud Detector로 이동하여 왼쪽 탐색 창에서 **변수를** 선택한 다음 **생성을** 선택합니다.

1. **새 변수** 페이지에서 변수 이름으로 `email_address`를 입력합니다. 선택적으로 변수에 대한 설명을 입력합니다.

1. **변수 유형**에서 **이메일 주소를** 선택합니다.

1. 이 변수 유형은 사전 정의되어 있으므로 Amazon Fraud Detector는이 변수 유형에 대한 데이터 유형을 자동으로 선택합니다. 변수에 변수 유형이 자동으로 할당되지 않은 경우 목록에서 변수 유형을 선택합니다. 자세한 내용은 [변수 유형](variables.md#variable-types) 단원을 참조하십시오.

1. 변수의 기본값을 제공하려면 **사용자 지정 기본값 정의를** 선택하고 변수의 기본값을 입력합니다. 이 예제를 따르는 경우이 단계를 건너뜁니다.

1. **생성(Create)**을 선택합니다.

1. **email\$1address** 개요 페이지에서 방금 생성한 변수의 세부 정보를 확인합니다.

   업데이트해야 하는 경우 **편집**을 선택하고 업데이트를 제공합니다. **변경 사항 저장**을 선택합니다.

1. 프로세스를 반복하여 다른 변수를 생성하고 변수 유형의 **IP 주소를** `ip_address` 선택합니다.

1. **변수** 페이지에는 새로 생성된 변수가 표시됩니다.

**중요**  
데이터 세트에서 원하는 수만큼 변수를 생성하는 것이 좋습니다. 나중에 이벤트 유형을 생성할 때 사기를 탐지하고 사기 탐지를 생성하도록 모델을 훈련하는 데 포함할 변수를 결정할 수 있습니다.

## 를 사용하여 변수 생성 AWS SDK for Python (Boto3)
<a name="create-a-variable-using-the-aws-python-sdk"></a>

다음 예제에서는 [CreateVariable](https://docs.aws.amazon.com/frauddetector/latest/api/API_CreateVariable.html) API에 대한 요청을 보여줍니다. 이 예제에서는 `email_address` 및 라는 두 개의 변수를 생성하고 해당 변수 유형(`EMAIL_ADDRESS` 및 )에 `ip_address`할당합니다`IP_ADDRESS`.

이러한 변수는 예제로 사용됩니다. 모델 훈련에 사용할 변수를 생성하는 경우 사용 사례에 적합한 데이터 세트의 변수를 사용합니다. 변수를 생성하기 [변수 보강](variables.md#variable-enrichments) 전에 [변수 유형](variables.md#variable-types) 및에 대해 읽어야 합니다.

변수 소스를 지정해야 합니다. 변수 값이 파생되는 위치를 식별하는 데 도움이 됩니다. 변수 소스가 **EVENT**인 경우 변수 값은 [GetEventPrediction](https://docs.aws.amazon.com/frauddetector/latest/api/API_GetEventPrediction.html) 요청의 일부로 전송됩니다. 변수 값이 인 경우 Amazon Fraud Detector로 `MODEL_SCORE`채워집니다. `EXTERNAL_MODEL_SCORE`인 경우 변수 값은 가져온 SageMaker AI 모델로 채워집니다.

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

 #Create variable email_address
   fraudDetector.create_variable(
     name = 'email_address',
     variableType = 'EMAIL_ADDRESS',
     dataSource = 'EVENT',
     dataType = 'STRING',
     defaultValue = '<unknown>'
     )

#Create variable ip_address
   fraudDetector.create_variable(
     name = 'ip_address',
     variableType = 'IP_ADDRESS',
     dataSource = 'EVENT',
     dataType = 'STRING',
     defaultValue = '<unknown>'
     )
```

# 변수 삭제
<a name="delete-variable"></a>

변수를 삭제하면 Amazon Fraud Detector는 해당 변수를 영구적으로 삭제하고 데이터는 더 이상 Amazon Fraud Detector에 저장되지 않습니다.

Amazon Fraud Detector의 이벤트 유형에 포함된 변수는 삭제할 수 없습니다. 먼저 변수가 연결된 이벤트 유형을 삭제한 다음 변수를 삭제해야 합니다.

Amazon Fraud Detector 모델 출력 변수 및 SageMaker AI 모델 출력 변수는 수동으로 삭제할 수 없습니다. Amazon Fraud Detector는 모델을 삭제할 때 모델 출력 변수를 자동으로 삭제합니다.

Amazon Fraud Detector 콘솔에서, [delete-variable](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/frauddetector/delete-variable.html) CLI 명령을 사용하거나, [DeleteVariable](https://docs.aws.amazon.com/frauddetector/latest/api/API_DeleteVariable.html) API를 사용하거나,를 사용하여 변수를 삭제할 수 있습니다. AWS SDK for Python (Boto3)

## 콘솔을 사용하여 변수 삭제
<a name="delete-variable-console"></a>

**변수를 삭제하려면**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/frauddetector](https://console.aws.amazon.com/frauddetector) Amazon Fraud Detector 콘솔을 엽니다.

1. Amazon Fraud Detector 콘솔의 왼쪽 탐색 창에서 **리소스를** 선택한 다음 **변수를** 선택합니다.

1. 삭제할 변수를 선택합니다.

1. **작업**을 선택한 후 **삭제**를 선택합니다.

1. 변수 이름을 입력한 다음 **변수 삭제**를 선택합니다.

## 를 사용하여 변수 삭제 AWS SDK for Python (Boto3)
<a name="delete-variable-using-the-aws-python-sdk"></a>

다음 코드 샘플은 [DeleteVariable](https://docs.aws.amazon.com/frauddetector/latest/api/API_DeleteVariable.html) API를 사용하여 *customer\$1name* 변수를 삭제합니다.

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

fraudDetector.delete_variable (

name = 'customer_name'

)
```