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。
文档历史记录
下表描述了 Amazon Fraud Detector 用户指南中的重要更改。我们还会经常更新《Amazon Fraud Detector 用户指南》，以解决您发送给我们的反馈。
| 变更 | 说明 | 日期 |
|---|---|---|
从2025年11月7日起，Amazon Fraud Detector将不再向新客户开放。 | 从2025年11月7日起，Amazon Fraud Detector将不再向新客户开放。如果您想使用 Amazon Fraud Detector，请在该日期之前注册。现有客户可以继续正常使用该服务。有关更多信息，请参阅 Amazon Fraud Detector 可用性变更。 | 2025 年 10 月 7 日 |
Amazon Fraud Detector 引入了新的变量类型和数据类型，你可以用来提取有用信息。 | 2023 年 6 月 5 日 | |
通过事件编排，您可以轻松地使用 Amazon EventBridge 向其发送事件以 AWS 服务 进行下游处理。 | 2023 年 5 月 30 日 | |
列表资源允许您引用一组值，例如 IP 地址或电子邮件地址，作为规则的一部分。使用规则中的列表来允许或拒绝访问或交易。 | 2023 年 2 月 14 日 | |
数据模型浏览器提供了对 Amazon Fraud Detector 创建欺诈检测模型所需的数据元素的见解。在准备事件数据集之前，请使用数据模型浏览器。 | 2022 年 12 月 15 日 | |
使用账户接管见解 (ATI) 模型来检测通过恶意收购、网络钓鱼或凭据被盗而遭到入侵的账户。 | 2022 年 7 月 21 日 | |
更新了介绍性章节，增加了有关 Amazon Fraud Detector 的更多信息 | 2022 年 4 月 11 日 | |
允许丰富您提供的部分原始数据，以提高使用这些数据元素且在 2022 年 2 月 8 日之前训练的模型的性能。 | 2022 年 2 月 8 日 | |
使用选择退出政策选择不使用您的事件数据来开发或提高 Amazon Fraud Detector 的质量。 | 2022 年 1 月 6 日 | |
创建策略以防止第三方或跨服务实体操纵有权代表其行事的实体，以获取对您账户中资源的访问权限。 | 2021 年 12 月 6 日 | |
使用创建事件数据集中提供的指导来准备和收集用于训练模型的数据。 | 2021 年 11 月 22 日 | |
使用预测解释深入了解每个事件变量如何影响模型的欺诈预测分数。 | 2021 年 11 月 10 日 | |
使用训练数据问题疑难解答中的信息来帮助诊断和解决您在训练模型时可能在 Amazon Fraud Detector 控制台中看到的问题。 | 2021 年 10 月 11 日 | |
使用交易欺诈洞察 (TFI) 模型来检测在线欺诈或 card-not-present交易欺诈。 | 2021 年 10 月 11 日 | |
将您的事件数据存储在 Amazon Fraud Detector 中，然后使用存储的数据来训练您的模型。通过将事件数据存储在 Amazon Fraud Detector 中，您可以训练使用自动计算变量的模型来提高性能、简化模型再训练，并更新欺诈标签以结束机器学习反馈循环。 | 2021 年 10 月 11 日 | |
使用模型变量重要性来深入了解推动模型性能向上或向下的因素，以及哪些模型变量的贡献最大。然后调整模型以提高整体性能。 | 2021 年 7 月 9 日 | |
用于管理您 AWS CloudFormation 的 Amazon Fraud Detector 资源。 | 2021 年 5 月 10 日 | |
使用 Batch 预测可以对一组不需要实时评分的事件进行预测。 | 2021 年 3 月 31 日 | |
重做 Get started 和其他章节 | 2020 年 7 月 17 日 | |
初始版本 | 2019 年 12 月 2 日 |
