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。

# A 部分：构建、训练和部署 Amazon Fraud Detector 模型
<a name="part-a"></a>

在 A 部分中，您将定义业务用例、定义事件、构建模型、训练模型、评估模型的性能以及部署模型。

## 第 1 步：选择您的业务用例
<a name="choose-business-use-case"></a>
+ 在此步骤中，您将使用**数据模型浏览器**将您的业务用例与 Amazon Fraud Detector 支持的欺诈检测模型类型进行匹配。数据模型浏览器是一款与 Amazon Fraud Detector 控制台集成的工具，它推荐一种模型类型，用于为您的业务用例创建和训练欺诈检测模型。Data Models Explorer 还提供对数据集中需要包含的必备、推荐和可选数据元素的见解。该数据集将用于创建和训练您的欺诈检测模型。

  就本教程而言，您的业务用例是注册新账户。在您指定业务用例后，数据模型浏览器将推荐一种用于创建欺诈检测模型的模型类型，还将为您提供创建数据集所需的数据元素列表。由于您已经上传了包含新账户注册数据的示例数据集，因此无需创建新的数据集。

  1. 打开 [AWS 管理控制台](https://console.aws.amazon.com/)，登录您的账户。导航到亚马逊 Fraud Detector。

  1. 在左侧导航窗格中，选择**数据模型浏览器**。

  1. 在 “**数据模型浏览器**” 页面的 “**业务用例**” 下，选择 “**新账户欺诈**”。

  1. Amazon Fraud Detector 会显示推荐的模型类型，用于为选定的业务用例创建欺诈检测模型。模型类型定义了 Amazon Fraud Detector 用于训练您的欺诈检测模型的算法、增强功能和转换。

     记下推荐的模型类型。稍后在创建模型时将需要这个。

  1. **数据模型见解**窗格提供了对创建和训练欺诈检测模型所需的必备和推荐数据元素的见解。

     查看您下载的示例数据集，并确保其中包含表中列出的所有必填数据元素和一些推荐的数据元素。

     稍后，当你为你的特定业务用例创建模型时，你将使用所提供的见解来创建你的数据集。

## 步骤 2：创建事件类型
<a name="define-event"></a>
+ 在此步骤中，您将定义要评估的业务活动（事件）是否存在欺诈。定义事件包括设置数据集中的变量、启动事件的实体以及对事件进行分类的标签。在本教程中，您将定义账户注册事件。

  1. 打开 [AWS 管理控制台](https://console.aws.amazon.com/)，登录您的账户。导航到亚马逊 Fraud Detector。

  1. 在左侧导航窗格中，选择**事件**。

  1. 在**事件类型**页面中，选择**创建**。

  1. 在**事件类型详细信息**下`sample_registration`，输入事件类型名称，也可以输入事件的描述。

  1. 对于**实体**，选择**创建实体**。

  1. 在**创建实体**页面中，输入实体类型名称`sample_customer`作为实体。（可选）输入实体类型的描述。

  1. 选择 **Create entity (创建实体)**。

  1. 在 “**事件变量**” 下，在 **“选择如何定义此事件的变量**” 中，**选择 “从训练数据集中选择变量”**。

  1. 对于 **IAM 角色**，请选择**创建 IAM 角色**。

  1. 在**创建 IAM 角色**页面中，输入您上传示例数据的 S3 存储桶的名称，然后选择**创建角色**。

  1. 在**数据位置**中，输入示例数据的路径。这是您在上传示例数据后保存的`S3 URI`路径。路径类似于此:`S3://{{your-bucket-name}}/{{example dataset filename}}.csv`.

  1. 选择**上传**。

     Amazon Fraud Detector 从您的示例数据文件中提取标题并将其映射为变量类型。映射显示在控制台中。

  1. 在 “**标签-可选**” 下，对于 “**标签**”，选择 “**创建新标签**”。

  1. 在**创建标签**页面中，输入名称`fraud`作为名称。此标签对应于示例数据集中表示欺诈性账户注册的值。

  1. 选择**创建标签**。

  1. 创建第二个标签，然后输入`legit`作为名称。此标签对应于表示示例数据集中合法账户注册的值。

  1. 选择**创建事件类型**。

## 步骤 3：创建模型
<a name="step-3-create-new-ml-model"></a>

1. 在**模型**页面上，选择**添加模型**，然后选择**创建模型**。

1. 在**步骤 1-定义模型详细信息**中，输入`sample_fraud_detection_model`作为模型名称。（可选）添加模型的描述。

1. 在 “**模型类型**” 中，选择 “**在线欺诈洞察**” 模型。

1. 对于**事件类型**，选择 **sample** \_registration。这是您在步骤 1 中创建的事件类型。

1. 在**历史事件数据**中，

   1. 在**事件数据源**中，选择**存储在 S3 中的事件数据**。

   1. 对于 **IAM 角色**，选择您在步骤 1 中创建的角色。

   1. 在**训练数据位置**中，输入示例数据文件的 S3 URI 路径。

1. 选择**下一步**。

## 第 4 步：训练模型
<a name="step-4-training-data-assign-perms"></a>

1. 在**模型输入**中，将所有复选框保持选中状态。默认情况下，Amazon Fraud Detector 使用历史事件数据集中的所有变量作为模型输入。

1. 在**标签分类**中，对于**欺诈标签**，请选择**欺诈**，因为此标签对应于示例数据集中代表欺诈事件的值。对于**合法标签**，请选择 **legit，因为**此标签对应于示例数据集中代表合法事件的值。

1. 对于**未标记的事件处理**，请保留此示例数据集的默认选择 “**忽略未标记的事件”**。

1. 选择**下一步**。

1. 查看完毕后，选择**创建并训练模型**。Amazon Fraud Detector 创建了一个模型并开始训练该模型的新版本。

   在**模型版本**中，**状态**列表示模型训练的状态。使用示例数据集的模型训练大约需要 45 分钟才能完成。模型训练完成后，状态更改为 “**准备部署**”。