截至 2025 年 11 月 7 日，亚马逊 Fraud Detector 不再向新客户开放。要获得与 Amazon Fraud Detector 类似的功能 SageMaker，请浏览亚马逊 AutoGluon、和 AWS WAF。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 创建探测器
<a name="create-a-detector"></a>

您可以通过指定已定义的事件类型来创建检测器。您可以选择添加已由 Amazon Fraud Detector 训练和部署的模型。如果您添加模型，则可以在创建规则时在规则表达式中使用 Amazon Fraud Detector 生成的模型分数（例如`$model score < 90`）。

 您可以在 Amazon Fraud Detector 控制台中使用 [PutDetector](https://docs.aws.amazon.com//frauddetector/latest/api/API_PutDetector.html)API、[put-detector 命令或使用软件开发工具包创建探测器](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/frauddetector/put-detector.html)。 AWS 如果您使用 API、命令或 SDK 来创建探测器，请在创建探测器后按照说明进行操作[创建探测器版本](create-a-detector-version.md)。

## 在 Amazon Fraud Detector 控制台中创建探测器
<a name="create-detector-console"></a>

此示例假设您已经创建了事件类型，还创建并部署了要用于欺诈预测的模型版本。

### 第 1 步：构建探测器
<a name="step-1-build-detector-console"></a>

1. 在 Amazon Fraud Detector 控制台的左侧导航窗格中，选择**探测器**。

1. 选择**创建检测器**。

1. 在**定义探测器详细信息**页面中，输入`sample_detector`探测器名称。（可选）输入探测器的描述，例如`my sample fraud detector`。

1. 在**事件类型**中，选择您为欺诈预测创建的事件类型。

1. 选择**下一步**。

### 步骤 2：添加已部署的模型版本
<a name="add-deployed-model-console"></a>

1. 请注意，这是一个可选步骤。您无需为探测器添加模型。要跳过此步，选择 **Next**（下一步）。

1. 在 “**添加模型-可选**” 中，选择**添加模型**。

1. 在**添加模型页面的选择模型**中，**选择**您之前部署的 Amazon Fraud Detector 型号名称。对于**选择版本**，选择已部署模型的模型版本。

1. 选择**添加模型**。

1. 选择**下一步**。

### 步骤 3：添加规则
<a name="add-rules-to-detector-console"></a>

规则是一种条件，它告诉 Amazon Fraud Detector 在评估欺诈预测时如何解释变量值。此示例将使用模型分数作为变量值创建三个规则：`high_fraud_risk``medium_fraud_risk`、和`low_fraud_risk`。要创建自己的规则、规则表达式、规则执行顺序和结果，请使用适合您的模型和用例的值。

1. 在 “**添加规则**” 页面的 “**定义规则**” 下，输入`high_fraud_risk`规则名称，在 “**描述-可选**” 下输入**This rule captures events with a high ML model score**作为规则的描述。

1. **在 Expression 中，使用 Amazon Fraud Detector 的简化规则表达式语言输入以下规则表达式：**

   `$sample_fraud_detection_model_insightscore > 900`

1. 在**结果**中，选择**创建新结果**。结果是欺诈预测的结果，如果在评估期间规则匹配，则返回结果。

1. 在**创建新结果**中，输入结果名称`verify_customer`作为结果。（可选）输入描述。

1. 选择**保存结果**。

1. 选择**添加规则**以运行规则验证检查器并保存规则。创建规则后，Amazon Fraud Detector 会将该规则提供给您的探测器使用。

1. 选择 “**添加其他规则**”，然后选择 “**创建规则**” 选项卡。

1. 再重复此过程两次，使用以下`low_fraud_risk`规则详细信息创建您的`medium_fraud_risk`和规则：
   + 中等欺诈风险

     规则名称：`medium_fraud_risk`

     结果：`review`

     表达式：

     `$sample_fraud_detection_model_insightscore <= 900 and`

     `$sample_fraud_detection_model_insightscore > 700`
   + 欺诈风险低

     规则名称：`low_fraud_risk`

     结果：`approve`

     表达式：

     `$sample_fraud_detection_model_insightscore <= 700`

1. 为用例创建所有规则后，选择 “**下一步**”。

   有关创建和编写规则的更多信息，请参阅[Rules](rules.md)和[规则语言参考](rule-language-reference.md)。

### 步骤 4：配置规则执行和规则顺序
<a name="get-start-define-rule-order-console"></a>

检测器中包含的规则的规则执行模式决定了是否评估了您定义的所有规则，或者规则评估是否在第一个匹配的规则处停止。规则顺序决定了您希望规则的运行顺序。

默认的规则执行模式是`FIRST_MATCHED`。

**第一次匹配**  
第一个匹配的规则执行模式根据定义的规则顺序返回第一个匹配规则的结果。如果指定 `FIRST_MATCHED`，Amazon Fraud Detector 会按顺序评估规则，从第一个到最后一个，在第一个匹配的规则处停止。然后，Amazon Fraud Detector 会提供该单一规则的结果。  
您运行规则的顺序可能会影响由此产生的欺诈预测结果。创建规则后，按照以下步骤对规则进行重新排序，使其按所需顺序运行：  
如果您的`high_fraud_risk`规则不在规则列表的顶部，请选择 “**顺序**”，然后选择 **1**。这会移`high_fraud_risk`到第一个位置。  
重复此过程，使您的`medium_fraud_risk`规则位于第二个位置，而您的`low_fraud_risk`规则位于第三位。

**全部匹配**  
无论规则顺序如何，所有匹配的规则执行模式都会返回所有匹配规则的结果。如果您指定`ALL_MATCHED`，Amazon Fraud Detector 会评估所有规则并返回所有匹配规则的结果。

选择阅读`FIRST_MATCHED`本教程，然后选择 “**下一步**”。

### 第 5 步：查看并创建探测器版本
<a name="get-start-review-and-create-detector-version-console"></a>

探测器版本定义了用于生成欺诈预测的特定模型和规则。

1. 在 “**查看并创建**” 页面中，查看您配置的探测器详细信息、模型和规则。如果您需要进行任何更改，请选择相应部分旁边的 **“编辑**”。

1. 选择**创建检测器**。创建后，探测器的第一个版本会显示在探测器版本表中，并显示其`Draft`状态。

   你使用**草稿**版本来测试你的探测器。

## 使用创建探测器 适用于 Python (Boto3) 的 AWS SDK
<a name="create-a-detector-using-the-aws-python-sdk"></a>

以下示例显示了对 `PutDetector` API 的请求示例。探测器充当探测器版本的容器。`PutDetector`API 指定探测器将评估的事件类型。以下示例假设您已创建事件类型`sample_registration`。

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

fraudDetector.put_detector (
detectorId = 'sample_detector',
eventTypeName = 'sample_registration'
)
```