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。

# A 部分：建置、訓練和部署 Amazon Fraud Detector 模型
<a name="part-a"></a>

在 A 部分中，您可以定義業務使用案例、定義事件、建置模型、訓練模型、評估模型的效能，以及部署模型。

## 步驟 1：選擇您的業務使用案例
<a name="choose-business-use-case"></a>
+ 在此步驟中，您會使用**資料模型總管**，將業務使用案例與 Amazon Fraud Detector 支援的詐騙偵測模型類型進行比對。資料模型總管是與 Amazon Fraud Detector 主控台整合的工具，建議使用模型類型來為您的業務使用案例建立和訓練詐騙偵測模型。資料模型總管也提供必要、建議和選用資料元素的洞見，您需要將其納入資料集。資料集將用於建立和訓練您的詐騙偵測模型。

  基於本教學的目的，您的商業使用案例是新帳戶註冊。指定業務使用案例後，資料模型總管會建議建立詐騙偵測模型的模型類型，並為您提供建立資料集所需的資料元素清單。由於您已上傳包含新帳戶註冊資料的範例資料集，因此您不需要建立新的資料集。

  1. 開啟 [AWS 管理主控台](https://console.aws.amazon.com/)並登入帳戶。導覽至 Amazon Fraud Detector。

  1. 在左側導覽窗格中，選擇**資料模型瀏覽器**。

  1. 在**資料模型瀏覽器**頁面**的業務使用案例**下，選取**新帳戶詐騙**。

  1. Amazon Fraud Detector 會顯示建議的模型類型，用於為選取的商業使用案例建立詐騙偵測模型。模型類型定義 Amazon Fraud Detector 用來訓練詐騙偵測模型的演算法、擴充和轉換。

     請記下建議的模型類型。稍後當您建立模型時，將需要此項目。

  1. **資料模型洞察**窗格可讓您深入了解建立和訓練詐騙偵測模型所需的必要和建議資料元素。

     查看您下載的範例資料集，並確認其具有資料表中列出的所有強制性和一些建議的資料元素。

     稍後當您針對特定業務使用案例建立模型時，您將使用提供的洞見來建立資料集。

## 步驟 2：建立事件類型
<a name="define-event"></a>
+ 在此步驟中，您會定義要評估詐騙的業務活動 （事件）。定義事件涉及設定資料集中的變數、啟動事件的實體，以及分類事件的標籤。在本教學課程中，您會定義帳戶註冊事件。

  1. 開啟 [AWS 管理主控台](https://console.aws.amazon.com/)並登入帳戶。導覽至 Amazon Fraud Detector。

  1. 在左側導覽窗格中，選擇**事件**。

  1. 在**事件類型**頁面中，選擇**建立**。

  1. 在**事件類型詳細資訊**下，輸入 `sample_registration`做為事件類型名稱，並選擇性地輸入事件的描述。

  1. 針對**實體**，選擇**建立實體**。

  1. 在**建立實體**頁面中，輸入 `sample_customer`做為實體類型名稱。或者，輸入實體類型的描述。

  1. 選擇 **Create entity** (建立實體)。

  1. 在**事件變數**下，針對**選擇如何定義此事件的變數**，從**訓練資料集選擇選取變數**。

  1. 針對 **IAM 角色**，選擇**建立 IAM 角色**。

  1. 在**建立 IAM 角色**頁面中，輸入您上傳範例資料的 S3 儲存貯體名稱，然後選擇**建立角色**。

  1. 在**資料位置**中，輸入範例資料的路徑。這是您在上傳範例資料之後儲存的`S3 URI`路徑。路徑類似：`S3://{{your-bucket-name}}/{{example dataset filename}}.csv`。

  1. 選擇**上傳**。

     Amazon Fraud Detector 會從範例資料檔案中擷取標頭，並使用變數類型進行映射。映射會顯示在 主控台中。

  1. 在**標籤 - 選用**的**標籤**下，選擇**建立新標籤**。

  1. 在**建立標籤**頁面中，輸入 `fraud`做為名稱。此標籤對應於代表範例資料集中詐騙帳戶註冊的值。

  1. 選擇**建立標籤**。

  1. 建立第二個標籤，然後輸入 `legit`做為名稱。此標籤對應於代表範例資料集中合法帳戶註冊的值。

  1. 選擇**建立事件類型**。

## 步驟 3：建立模型
<a name="step-3-create-new-ml-model"></a>

1. 在**模型**頁面上，選擇**新增模型**，然後選擇**建立模型**。

1. 在**步驟 1 – 定義模型詳細資訊**中，輸入 `sample_fraud_detection_model`做為模型名稱。或者，新增模型的描述。

1. 針對**模型類型**，選擇**線上詐騙洞見**模型。

1. 針對**事件類型**，選擇 **sample\_registration**。這是您在步驟 1 中建立的事件類型。

1. 在**歷史事件資料**中，

   1. 在**事件資料來源**中，選擇**儲存在 S3 中的事件資料**。

   1. 針對 **IAM 角色**，選取您在步驟 1 中建立的角色。

   1. 在**訓練資料位置**中，輸入範例資料檔案的 S3 URI 路徑。

1. 選擇**下一步**。

## 步驟 4：訓練模型
<a name="step-4-training-data-assign-perms"></a>

1. 在**模型輸入**中，勾選所有核取方塊。根據預設，Amazon Fraud Detector 會使用歷史事件資料集中的所有變數做為模型輸入。

1. 在**標籤分類**中，針對**詐騙標籤**選擇**詐騙**，因為此標籤對應到代表範例資料集中詐騙事件的值。對於**合法標籤**，請選擇**合法**，因為此標籤對應到代表範例資料集中合法事件的值。

1. 對於**未標記事件處理**，請保留此範例資料集的預設選擇**忽略未標記的事件**。

1. 選擇**下一步**。

1. 檢閱後，選擇**建立和訓練模型**。Amazon Fraud Detector 會建立模型，並開始訓練新版本的模型。

   在**模型版本**中，**狀態**欄指出模型訓練的狀態。使用範例資料集的模型訓練大約需要 45 分鐘才能完成。狀態會在模型訓練完成後變更為**準備部署**。