自 2025 年 11 月 7 日起，Amazon Fraud Detector 不再向新客戶開放。對於類似 Amazon Fraud Detector 的功能，請探索 Amazon SageMaker、AutoGluon 和 AWS WAF。
本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
文件歷史紀錄
下表說明 Amazon Fraud Detector 使用者指南中的重要變更。我們也經常更新 Amazon Fraud Detector 使用者指南，以解決您傳送給我們的意見回饋。
| 變更 | 描述 | 日期 |
|---|---|---|
自 2025 年 11 月 7 日起，Amazon Fraud Detector 將不再向新客戶開放。 | 自 2025 年 11 月 7 日起，Amazon Fraud Detector 將不再向新客戶開放。如果您想要使用 Amazon Fraud Detector，請在該日期之前註冊。現有客戶可以繼續正常使用該服務。如需詳細資訊，請參閱 Amazon Fraud Detector 可用性變更。 | 2025 年 10 月 7 日 |
Amazon Fraud Detector 推出新的變數類型和資料類型，可用來擷取有用的資訊。 | 2023 年 6 月 5 日 | |
事件協同運作可讓您使用 Amazon EventBridge，輕鬆地將事件傳送至 AWS 服務 以進行下游處理。 | 2023 年 5 月 30 日 | |
清單資源可讓您參考一組值，例如 IP 地址或電子郵件地址，做為規則的一部分。在規則中使用清單來允許或拒絕存取或交易。 | 2023 年 2 月 14 日 | |
Data Models Explorer 可讓您深入了解 Amazon Fraud Detector 建立詐騙偵測模型所需的資料元素。在準備事件資料集之前，請使用資料模型瀏覽器。 | 2022 年 12 月 15 日 | |
使用帳戶接管洞察 (ATI) 模型來偵測透過惡意接管、網路釣魚或遭竊登入資料入侵的帳戶。 | 2022 年 7 月 21 日 | |
將簡介章節更新為有關 Amazon Fraud Detector 的其他資訊 | 2022 年 4 月 11 日 | |
啟用您提供的部分原始資料擴充功能，以提升使用這些資料元素且已在 2022 年 2 月 8 日之前訓練之模型的效能。 | 2022 年 2 月 8 日 | |
使用選擇退出政策選擇不讓事件資料用於開發或改善 Amazon Fraud Detector 的品質。 | 2022 年 1 月 6 日 | |
建立政策以防止第三方或跨服務實體操縱具有許可的實體，以代表其取得您帳戶中資源的存取權。 | 2021 年 12 月 6 日 | |
使用建立事件資料集中提供的指引來準備和收集資料，以訓練您的模型。 | 2021 年 11 月 22 日 | |
使用預測說明來深入了解每個事件變數如何影響模型的詐騙預測分數。 | 2021 年 11 月 10 日 | |
使用訓練資料問題疑難排解中的資訊，以協助診斷和解決您在訓練模型時在 Amazon Fraud Detector 主控台中可能看到的問題。 | 2021 年 10 月 11 日 | |
使用交易詐騙洞察 (TFI) 模型來偵測線上或card-not-present交易詐騙。 | 2021 年 10 月 11 日 | |
將事件資料儲存在 Amazon Fraud Detector 中，並使用儲存的資料來訓練模型。透過將事件資料儲存在 Amazon Fraud Detector 中，您可以訓練使用自動計算變數來改善效能、簡化模型重新訓練，以及更新詐騙標籤以關閉機器學習意見回饋迴圈的模型。 | 2021 年 10 月 11 日 | |
使用模型變數重要性來深入了解哪些因素可提高或降低模型的效能，以及哪些模型變數貢獻最大。然後調整模型以改善整體效能。 | 2021 年 7 月 9 日 | |
使用 AWS CloudFormation 管理您的 Amazon Fraud Detector 資源。 | 2021 年 5 月 10 日 | |
使用批次預測來取得一組不需要即時評分之事件的預測。 | 2021 年 3 月 31 日 | |
重做入門和其他章節 | 2020 年 7 月 17 日 | |
初始版本 | 2019 年 12 月 2 日 |
