O Amazon Fraud Detector não está mais aberto a novos clientes a partir de 7 de novembro de 2025. Para recursos semelhantes ao Amazon Fraud Detector SageMaker, explore Amazon AutoGluon, AWS WAF e.
As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Tutorial: Comece a usar o console do Amazon Fraud Detector
Este tutorial consiste em duas partes. A primeira parte descreve como criar, treinar e implantar um modelo de detecção de fraudes. A segunda parte aborda como usar o modelo para gerar previsões de fraudes em tempo real. O modelo é treinado usando o arquivo de dados de exemplo que você carrega em um bucket do S3. Ao final deste tutorial, você conclui as seguintes ações:
+ Crie e treine um modelo do Amazon Fraud Detector
+ Gere previsões de fraudes em tempo real
**Importante**
Antes de continuar, certifique-se de ter seguido as instruções para [Obtenha e faça upload de um conjunto de dados de exemplo](step-1-get-s3-data.md)
# Parte A: Crie, treine e implante um modelo do Amazon Fraud Detector
Na parte A, você define seu caso de uso comercial, define seu evento, cria um modelo, treina o modelo, avalia o desempenho do modelo e implementa o modelo.
## Etapa 1: escolha seu caso de uso comercial
+ Nesta etapa, você usa o **explorador de modelos de dados** para combinar seu caso de uso comercial com os tipos de modelos de detecção de fraudes suportados pelo Amazon Fraud Detector. O Data Models Explorer é uma ferramenta integrada ao console do Amazon Fraud Detector que recomenda um tipo de modelo a ser usado para criar e treinar um modelo de detecção de fraudes para seu caso de uso comercial. O explorador de modelos de dados também fornece informações sobre os elementos de dados obrigatórios, recomendados e opcionais que você precisará incluir em seu conjunto de dados. O conjunto de dados será usado para criar e treinar seu modelo de detecção de fraudes.
Para o propósito deste tutorial, seu caso de uso comercial são os registros de novas contas. Depois de especificar seu caso de uso comercial, o explorador de modelos de dados recomendará um tipo de modelo para criar um modelo de detecção de fraudes e também fornecerá uma lista dos elementos de dados necessários para criar seu conjunto de dados. Como você já fez o upload de um conjunto de dados de amostra contendo dados de novos registros de conta, não é necessário criar um novo conjunto de dados.
1. Abra o [Console de Gerenciamento da AWS](https://console.aws.amazon.com/) e faça login em sua conta. Navegue até o Amazon Fraud Detector.
1. No painel de navegação esquerdo, escolha **Explorador de modelos de dados**.
1. Na página **Explorador de modelos de dados**, em **Caso de uso comercial**, selecione **Nova fraude de conta**.
1. O Amazon Fraud Detector exibe o tipo de modelo recomendado a ser usado para criar um modelo de detecção de fraudes para o caso de uso comercial selecionado. O tipo de modelo define os algoritmos, enriquecimentos e transformações que o Amazon Fraud Detector usará para treinar seu modelo de detecção de fraudes.
Anote o tipo de modelo recomendado. Você precisará disso mais tarde ao criar seu modelo.
1. O painel **Informações do modelo de dados** fornece informações sobre os elementos de dados obrigatórios e recomendados necessários para criar e treinar um modelo de detecção de fraudes.
Dê uma olhada no conjunto de dados de amostra que você baixou e verifique se ele tem todos os elementos de dados obrigatórios e alguns recomendados listados na tabela.
Posteriormente, ao criar um modelo para seu caso de uso comercial específico, você usará os insights fornecidos para criar seu conjunto de dados.
## Etapa 2: criar o tipo de evento
+ Nesta etapa, você define a atividade comercial (evento) a ser avaliada em caso de fraude. Definir o evento envolve definir as variáveis que estão no seu conjunto de dados, a entidade que inicia o evento e os rótulos que classificam o evento. Neste tutorial, você define o evento de registro da conta.
1. Abra o [Console de Gerenciamento da AWS](https://console.aws.amazon.com/) e faça login em sua conta. Navegue até o Amazon Fraud Detector.
1. No painel de navegação esquerdo, escolha **Events**.
1. Na página **Tipo de eventos**, escolha **Criar**.
1. Em **Detalhes do tipo de evento**, insira `sample_registration` como nome do tipo de evento e, opcionalmente, insira uma descrição do evento.
1. Em **Entidade**, escolha **Criar entidade**.
1. Na página **Criar entidade**, insira `sample_customer` como nome do tipo de entidade. Opcionalmente, insira uma descrição do tipo de entidade.
1. Escolha **Create entity (Criar entidade)**.
1. Em **Variáveis do evento**, em **Escolher como definir as variáveis desse evento**, escolha **Selecionar variáveis de um conjunto de dados de treinamento**.
1. Para a **função do IAM**, escolha **Criar função do IAM**.
1. Na página **Criar função do IAM**, insira o nome do bucket do S3 para o qual você fez o upload dos dados de exemplo e escolha **Criar função**.
1. Em **Localização dos dados**, insira o caminho para seus dados de exemplo. Esse é o `S3 URI` caminho que você salvou depois de carregar os dados de exemplo. O caminho é semelhante a este:`S3://your-bucket-name/example dataset filename.csv`.
1. Escolha **Carregar**.
O Amazon Fraud Detector extrai os cabeçalhos do seu arquivo de dados de exemplo e os mapeia com um tipo de variável. O mapeamento é exibido no console.
1. Em **Rótulos - opcional**, em **Rótulos**, escolha **Criar novos rótulos**.
1. Em **Criar página de etiqueta**, insira `fraud` como nome. Esse rótulo corresponde ao valor que representa o registro fraudulento da conta no conjunto de dados de exemplo.
1. Escolha **Criar etiqueta**.
1. Crie um segundo rótulo e insira `legit` como nome. Esse rótulo corresponde ao valor que representa o registro legítimo da conta no conjunto de dados de exemplo.
1. Escolha **Criar tipo de evento**.
## Etapa 3: criar modelo
1. Na página **Modelos**, escolha **Adicionar modelo** e, em seguida, escolha **Criar modelo**.
1. Para **Etapa 1 — Definir detalhes do modelo**, insira `sample_fraud_detection_model` como nome do modelo. Opcionalmente, adicione uma descrição do modelo.
1. Em **Tipo de modelo**, escolha o modelo **Online Fraud Insights**.
1. Em **Tipo de evento**, escolha **sample\$1registration**. Esse é o tipo de evento que você criou na Etapa 1.
1. Em **dados históricos de eventos**,
1. Em **Fonte de dados do evento**, escolha **Dados do evento armazenados no S3**.
1. Para a **função do IAM**, selecione a função que você criou na Etapa 1.
1. Em **Localização dos dados de treinamento**, insira o caminho do URI do S3 para seu arquivo de dados de exemplo.
1. Escolha **Próximo**.
## Etapa 4: modelo do trem
1. Em **Entradas do modelo**, deixe todas as caixas de seleção marcadas. Por padrão, o Amazon Fraud Detector usa todas as variáveis do seu conjunto de dados de eventos históricos como entradas do modelo.
1. Na **classificação de rótulos**, para **rótulos** de **fraude, escolha fraude**, pois esse rótulo corresponde ao valor que representa eventos fraudulentos no conjunto de dados de exemplo. Para **rótulos legítimos**, escolha **legítimo, pois** esse rótulo corresponde ao valor que representa eventos legítimos no conjunto de dados de exemplo.
1. Para o **tratamento de eventos não rotulados**, mantenha a seleção padrão **Ignorar eventos não rotulados para este conjunto de dados de exemplo**.
1. Escolha **Próximo**.
1. Depois de revisar, escolha **Criar e treinar o modelo**. O Amazon Fraud Detector cria um modelo e começa a treinar uma nova versão do modelo.
Nas **versões do modelo**, a coluna **Status** indica o status do treinamento do modelo. O treinamento do modelo que usa o conjunto de dados de exemplo leva aproximadamente 45 minutos para ser concluído. O status muda para **Pronto para implantação** após a conclusão do treinamento do modelo.
# Etapa 5: analisar o desempenho do modelo
Uma etapa importante no uso do Amazon Fraud Detector é avaliar a precisão do seu modelo usando pontuações do modelo e métricas de desempenho. Após a conclusão do treinamento do modelo, o Amazon Fraud Detector valida o desempenho do modelo usando os 15% dos seus dados que não foram usados para treinar o modelo e gera uma pontuação de desempenho do modelo e outras métricas de desempenho.
1. Para ver o desempenho do modelo,
1. No painel de navegação esquerdo do console do Amazon Fraud Detector, escolha **Models**.
1. **Na página **Modelos**, escolha o modelo que você acabou de treinar (**sample\$1fraud\$1detection\$1model**) e escolha 1.0.** Essa é a versão que o Amazon Fraud Detector criou do seu modelo.
1. Veja a pontuação geral de **desempenho do modelo** e todas as outras métricas que o Amazon Fraud Detector gerou para esse modelo.
Para saber mais sobre a pontuação de desempenho do modelo e as métricas de desempenho nesta página, consulte [Pontuações do modelo](model-scores.md) [Métricas de desempenho do modelo](training-performance-metrics.md) e.
Você pode esperar que todos os seus modelos treinados do Amazon Fraud Detector tenham métricas de desempenho de detecção de fraudes no mundo real semelhantes às métricas de desempenho que você vê para o modelo neste tutorial.
# Etapa 6: implantar o modelo
Depois de analisar as métricas de desempenho do seu modelo treinado e estar pronto para usá-las para gerar previsões de fraude, você pode implantar o modelo.
1. No painel de navegação esquerdo do console do Amazon Fraud Detector, escolha **Modelos**.
1. Na página **Modelos**, escolha **sample\$1fraud\$1detection\$1model e, em seguida, escolha a versão específica do modelo** que você deseja implantar. Para este tutorial, escolha **1.0**.
1. Na página **Versão do modelo**, escolha **Ações** e, em seguida, escolha **Implantar versão do modelo**.
1. Nas **versões do modelo**, o **Status** mostra o status da implantação. O status muda para **Ativo** após a conclusão da implantação. Isso indica que a versão do modelo está ativada e disponível para gerar previsões de fraude. Continue [Parte B: Gere previsões de fraude](part-b.md) para concluir as etapas para gerar previsões de fraude.
# Parte B: Gere previsões de fraude
A previsão de fraude é uma avaliação de fraude para uma atividade comercial (evento). O Amazon Fraud Detector usa detectores para gerar previsões de fraudes. Um detector contém lógica de detecção, como modelos e regras, para um evento específico que você deseja avaliar quanto à fraude. A lógica de detecção usa regras para dizer ao Amazon Fraud Detector como interpretar os dados associados ao modelo. Neste tutorial, você avalia o evento de registro de conta usando o conjunto de dados de exemplo de registro de conta que você carregou anteriormente.
Na Parte A, você criou, treinou e implantou seu modelo. Na Parte B, você cria um detector para o tipo de `sample_registration` evento, adiciona o modelo implantado, cria regras e uma ordem de execução de regras e, em seguida, cria e ativa uma versão do detector que você usa para gerar previsões de fraude.
## Etapa 1: Construir o detector
**Para criar um detector**
1. No painel de navegação esquerdo do console do Amazon Fraud Detector, escolha **Detectores**.
1. Escolha **Criar detector**.
1. Na página **Definir detalhes do detector**, insira `sample_detector` o nome do detector. Opcionalmente, insira uma descrição para o detector, como`my sample fraud detector`.
1. Em **Tipo de evento**, selecione **sample\$1registration**. Esse é o evento que você criou na Parte A deste tutorial.
1. Escolha **Próximo**.
## Etapa 2: adicionar modelo
Se você concluiu a Parte A deste tutorial, provavelmente já tem um modelo do Amazon Fraud Detector disponível para ser adicionado ao seu detector. Se você ainda não criou um modelo, vá para a Parte A e conclua as etapas para criar, treinar e implantar um modelo e, em seguida, continue com a Parte B.
1. Em **Adicionar modelo - opcional**, escolha **Adicionar modelo**.
1. Na página **Adicionar modelo**, em **Selecionar modelo**, escolha o nome do modelo do Amazon Fraud Detector que você implantou anteriormente. Em **Selecionar versão**, escolha a versão do modelo implantado.
1. Escolha **Add model** (Adicionar modelo).
1. Escolha **Próximo**.
## Etapa 3: adicionar regras
Uma regra é uma condição que diz ao Amazon Fraud Detector como interpretar a pontuação de desempenho do modelo ao avaliar a previsão de fraudes. Para este tutorial, você cria três regras: `high_fraud_risk``medium_fraud_risk`, `low_fraud_risk` e.
1. Na página **Adicionar regras**, em **Definir uma regra**, insira `high_fraud_risk` o nome da regra e, em **Descrição - opcional**, insira **This rule captures events with a high ML model score** como descrição da regra.
1. Em **Expressão**, insira a seguinte expressão de regra usando a linguagem de expressão de regras simplificada do Amazon Fraud Detector:
`$sample_fraud_detection_model_insightscore > 900`
1. Em **Resultados**, escolha **Criar um novo resultado**. Um resultado é o resultado de uma previsão de fraude e é retornado se a regra corresponder durante uma avaliação.
1. Em **Criar um novo resultado**, insira `verify_customer` como nome do resultado. Como opção, insira uma descrição.
1. Escolha **Salvar resultado**.
1. Escolha **Adicionar regra** para executar o verificador de validação de regras e salvar a regra. Depois de criado, o Amazon Fraud Detector disponibiliza a regra para uso em seu detector.
1. Escolha **Adicionar outra regra** e, em seguida, escolha a guia **Criar regra**.
1. Repita esse processo mais duas vezes para criar suas `low_fraud_risk` regras `medium_fraud_risk` e usando os seguintes detalhes da regra:
+ risco médio de fraude
Nome da regra: `medium_fraud_risk`
Resultado: `review`
Expressão:
`$sample_fraud_detection_model_insightscore <= 900 and`
`$sample_fraud_detection_model_insightscore > 700`
+ baixo risco de fraude
Nome da regra: `low_fraud_risk`
Resultado: `approve`
Expressão:
`$sample_fraud_detection_model_insightscore <= 700`
Esses valores são exemplos usados neste tutorial. Ao criar regras para seu próprio detector, use valores apropriados para seu modelo e seu caso de uso,
1. Depois de criar as três regras, escolha **Avançar**.
Para obter mais informações sobre como criar e escrever regras, consulte [Regras](rules.md) [Referência da linguagem de regras](rule-language-reference.md) e.
## Etapa 4: Configurar a execução e a ordem das regras
O modo de execução das regras incluídas no detector determina se todas as regras que você define são avaliadas ou se a avaliação da regra é interrompida na primeira regra correspondente. E a ordem das regras determina a ordem em que você deseja que a regra seja executada.
O modo padrão de execução da regra é`FIRST_MATCHED`.
**Combinado pela primeira vez**
O modo de execução da primeira regra correspondente retorna os resultados da primeira regra correspondente com base na ordem definida da regra. Se você especificar `FIRST_MATCHED`, o Amazon Fraud Detector avaliará as regras sequencialmente, da primeiro à última, parando na primeira regra correspondente. Em seguida, o Amazon Fraud Detector fornece os resultados para essa única regra.
A ordem em que você executa as regras pode afetar o resultado resultante da previsão de fraude. Depois de criar suas regras, reordene as regras para executá-las na ordem desejada seguindo estas etapas:
Se sua `high_fraud_risk` regra ainda não estiver no topo da lista de regras, escolha **Pedir** e escolha **1**. Isso se move `high_fraud_risk` para a primeira posição.
Repita esse processo para que sua `medium_fraud_risk` regra fique na segunda posição e sua `low_fraud_risk` regra na terceira posição.
**Tudo combinado**
O modo de execução de todas as regras correspondentes retorna os resultados de todas as regras correspondentes, independentemente da ordem das regras. Se você especificar`ALL_MATCHED`, o Amazon Fraud Detector avalia todas as regras e retorna os resultados de todas as regras correspondentes.
Selecione `FIRST_MATCHED` para este tutorial e, em seguida, escolha **Avançar**.
# Etapa 5: revisar e criar a versão do detector
Uma versão de detector define os modelos e regras específicos que são usados para gerar previsões de fraude.
1. Na página **Revisar e criar**, revise os detalhes, os modelos e as regras do detector que você configurou. Se precisar fazer alguma alteração, escolha **Editar** ao lado da seção correspondente.
1. Escolha **Criar detector**. Depois de criada, a primeira versão do seu detector aparece na tabela de versões do detector com `Draft` status.
Você usa a versão **Draft** para testar seu Detector.
# Etapa 6: testar e ativar a versão do detector
No console do Amazon Fraud Detector, você pode testar a lógica do seu detector usando dados simulados com o recurso **Executar teste**. Para este tutorial, você pode usar os dados de registro da conta do conjunto de dados de exemplo.
1. Role até **Executar teste** na parte inferior da página de **detalhes da versão do Detector**.
1. Em **Metadados do evento**, insira um registro de data e hora de quando o evento ocorreu e insira um identificador exclusivo para a entidade que está realizando o evento. Para este tutorial, selecione uma data no seletor de data para carimbo de data/hora e digite “1234” como ID da entidade.
1. Em **Variável de evento**, insira os valores da variável que você deseja testar. Para este tutorial, você só precisa dos `email_address` campos `ip_address` e. Isso ocorre porque elas são as entradas usadas para treinar seu modelo do Amazon Fraud Detector. Você pode usar os seguintes valores de exemplo. Isso pressupõe que você tenha usado os nomes de variáveis sugeridos:
+ endereço\$1IP: `205.251.233.178`
+ endereço\$1e-mail: `johndoe@exampledomain.com`
1. Escolha **Executar teste**.
1. O Amazon Fraud Detector retorna o resultado da previsão de fraude com base no modo de execução da regra. Se o modo de execução da regra for`FIRST_MATCHED`, o resultado retornado corresponderá à primeira regra correspondente. A primeira regra é a regra com a maior prioridade. É correspondido se for avaliado como verdadeiro. Se o modo de execução da regra for`ALL_MATCHED`, o resultado retornado corresponderá a todas as regras correspondentes. Isso significa que todas elas são avaliadas como verdadeiras. O Amazon Fraud Detector também retorna a pontuação do modelo para todos os modelos adicionados ao seu detector.
Você pode alterar as entradas e executar alguns testes para ver resultados diferentes. Você pode usar os valores *ip\$1address* e *email\$1address* do seu conjunto de dados de exemplo para os testes e verificar se os resultados são os esperados.
1. Quando estiver satisfeito com o funcionamento do detector, promova-o de `Draft` até`Active`. Isso torna o detector disponível para uso na detecção de fraudes em tempo real.
Na página de **detalhes da versão do Detector**, escolha **Ações**, **Publicar**, **Publicar versão**. Isso altera o status do detector de **Rascunho** para **Ativo.**
Nesse momento, seu modelo e a lógica associada do detector estão prontos para avaliar atividades on-line em busca de fraudes em tempo real usando a `GetEventPrediction` API Amazon Fraud Detector. Você também pode avaliar eventos off-line usando um arquivo de entrada CSV e a `CreateBatchPredictionJob` API. Para obter mais informações sobre previsão de fraudes, consulte [Previsões de fraudes](getting-fraud-predictions.md)
Ao concluir este tutorial, você fez o seguinte:
+ Carregou um exemplo de conjunto de dados de eventos para o Amazon S3.
+ Criou e treinei um modelo de detecção de fraudes do Amazon Fraud Detector usando o conjunto de dados de exemplo.
+ Visualizou a pontuação de desempenho do modelo e outras métricas de desempenho geradas pelo Amazon Fraud Detector.
+ Implantou o modelo de detecção de fraudes.
+ Criou um detector e adicionou o modelo implantado.
+ Foram adicionadas regras, a ordem de execução das regras e os resultados ao detector.
+ Testei o detector fornecendo entradas diferentes e verificando se as regras e a ordem de execução das regras funcionaram conforme o esperado.
+ Ativou o detector ao publicá-lo.