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。

# Variables
<a name="variables"></a>

變數代表您想要在詐騙預測中使用的資料元素。這些變數可以從您準備訓練模型的事件資料集、Amazon Fraud Detector 模型的風險分數輸出，或從 Amazon SageMaker AI 模型取得。如需從事件資料集取得變數的詳細資訊，請參閱 [使用資料模型瀏覽器取得事件資料集需求](create-event-dataset.md#prepare-event-dataset)。

建立事件類型時，您必須先建立要在詐騙預測中使用的變數，然後新增至事件。您建立的每個變數都必須指派資料類型、預設值，以及選擇性的變數類型。Amazon Fraud Detector 會充實您提供的一些變數，例如 IP 地址、銀行識別號碼 (BINs) 和電話號碼，為使用這些變數的模型建立額外的輸入並提升效能。

## 資料類型
<a name="data-types"></a>

變數必須具有變數所代表之資料元素的資料類型，並且可以選擇指派其中一個預先定義的 [變數類型](#variable-types)。對於指派給變數類型的變數，會預先選取資料類型。可能的資料類型包括下列類型：


| 資料類型 | Description  | 預設值 | 範例值 | 
| --- | --- | --- | --- | 
| String | 字母、整數或兩者的任意組合 | <empty> |  abc、123、1D3B  | 
| Integer | 正或負整數 | 0 | 1、-1 | 
| Boolean | True 或 False | False | True、False | 
| DateTime | 僅限以 ISO 8601 標準 UTC 格式指定的日期和時間 | <empty> | 2019-11-30T13：01：01Z | 
| Float | 含小數點的數字 | 0.0 | 4.01、0.10 | 

## 預設值
<a name="default-value"></a>

變數必須具有預設值。當 Amazon Fraud Detector 產生詐騙預測時，如果 Amazon Fraud Detector 未收到變數的值，則會使用此預設值來執行規則或模型。您提供的預設值必須符合選取的資料類型。在 AWS 主控台中，Amazon Fraud Detector 會指派整數`0`的預設值 、`false`布林值、`0.0`浮點數和字串的預設值 （空白）。您可以為任何這些資料類型設定自訂預設值。

## 變數類型
<a name="variable-types"></a>

建立變數時，您可以選擇將變數指派給變數類型。變數類型代表用來訓練模型和產生詐騙預測的常見資料元素。只有具有相關聯變數類型的變數才能用於模型訓練。作為模型訓練程序的一部分，Amazon Fraud Detector 會使用與 變數相關聯的變數類型來執行變數擴充、功能工程和風險評分。

Amazon Fraud Detector 已預先定義下列變數類型，可用來指派給您的變數。

[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/frauddetector/latest/ug/variables.html)

### 將變數指派給變數類型
<a name="assign-variable-to-variable-type"></a>

如果您打算使用變數來訓練模型，請務必選擇要指派給變數的正確變數類型。不正確的變數類型指派可能會對您的模型效能產生負面影響。稍後變更指派也會變得非常困難，尤其是在多個模型和事件已使用 變數時。

您可以為變數指派任一預先定義的變數類型，或其中一個自訂變數類型：`FREE_FORM_TEXT`、 `CATEGORICAL`或 `NUMERIC`。

**將變數指派給正確變數類型的重要注意事項**

1. 如果變數符合其中一個預先定義的變數類型，請使用它。確定變數類型對應至變數。例如，如果您將 *ip\$1address* 變數指派給`EMAIL_ADDRESS`變數類型，ip\$1address 變數將不會充實 ASN、ISP、地理位置和風險分數。如需詳細資訊，請參閱[變數擴充功能](#variable-enrichments)。

1. 如果變數不符合任何預先定義的變數類型，請依照下列建議來指派其中一個自訂變數類型。

1. 將`CATEGORICAL`變數類型指派給通常沒有自然排序且可放入類別、區段或群組的變數。您用來訓練模型的資料集可能有 ID 變數，例如 *merchant\$1id*、*Campaign\$1id* 或 *policy\$1id*。這些變數代表群組 （例如，具有相同 policy\$1id 的所有客戶代表群組）。必須指派具有下列資料的變數 CATEGORICAL 變數類型 -
   + 包含 *customer\$1ID*、*Segment\$1ID*、*color\$1ID*、*compartment\$1code* 或 *product\$1ID* 等資料的變數。
   + 包含具有 true、false 或 null 值的布林值資料的變數。
   + 可以放入群組或類別的變數，例如公司名稱、產品類別、卡片類型或推薦媒體。
**注意**  
`ENTITY_ID` 是 Amazon Fraud Detector 用來指派給 ENTITY\$1ID 變數的預留變數類型。ENTITY\$1ID 變數是啟動您要評估之動作的實體 ID。如果您要建立交易詐騙洞見 (TFI) 模型類型，則需要提供 ENTITY\$1ID 變數。您需要決定資料中的哪個變數可唯一識別啟動動作的實體，並將其做為 ENTITY\$1ID 變數傳遞。將 CATEGORICAL 變數類型指派給資料集中的所有其他 IDs，如果這些 ID 存在且您使用它們進行模型訓練。非資料集中實體的其他 IDs範例可以是 *merchant\$1ID*、 *policy\$1ID* 和 *campaign\$1ID*。

1. 將`FREE_FORM_TEXT`變數類型指派給包含文字區塊的變數。FREE\$1FORM\$1TEXT 變數類型的範例為 – *使用者檢閱*、*註解*、*日期*和*推薦代碼*。FREE\$1FORM\$1TEXT 資料包含多個以分隔符號分隔的字符。分隔符號可以是英數字元和底線符號以外的任何字元。例如，使用者檢閱和註解可以用「空格」分隔符號分隔，日期和推薦代碼可以使用連字號作為分隔符號來分隔字首、尾碼和中繼部分。Amazon Fraud Detector 使用分隔符號從 FREE\$1FORM\$1TEXT 變數擷取資料。

1. 將 *NUMERIC* 變數類型指派給真實數字且具有固有排序的變數。NUMERIC 變數的範例包括 *day\$1of\$1the\$1week*、*invent\$1severity*、*Customer\$1rating*。雖然您可以將 CATEGORICAL 變數類型指派給這些變數，但我們強烈建議將具有固有順序的所有實數變數指派給 NUMERIC 變數類型。

## 變數擴充功能
<a name="variable-enrichments"></a>

Amazon Fraud Detector 會充實您提供的一些原始資料元素，例如 IP 地址、銀行識別號碼 (BINs) 和電話號碼，為使用這些資料元素的模型建立額外的輸入並提升效能。擴充功能有助於識別潛在的可疑情況，並協助模型擷取更多詐騙。

### 電話號碼擴充功能
<a name="phone-number-enrichment"></a>

Amazon Fraud Detector 會使用與地理位置、原始電信業者和電話號碼有效性相關的額外資訊來充實電話號碼資料。對於在 2*021 年 12 月 13 日當天或之後訓練且具有包含國家/地區碼 (\$1xxx) 的電話號碼的所有模型，*系統會自動啟用電話號碼擴充。如果您已在模型中包含電話號碼變數，並在 *2021 年 12 月 13 日之前對其進行訓練，*請重新訓練您的模型，以便充分利用此擴充功能。

強烈建議您針對電話號碼變數使用以下格式，以確保您的資料已成功擴充。


| 變數 | 格式 | Description | 
| --- | --- | --- | 
| PHONE\$1NUMBER | [E.164](https://en.wikipedia.org/wiki/E.164) 標準 | 請務必在電話號碼中包含國碼 (\$1xxx)。 | 
| BILLING\$1PHONE 和 SHIPPING\$1PHONE | [E.164](https://en.wikipedia.org/wiki/E.164) 標準 | 請務必在電話號碼中包含國碼 (\$1xxx)。 | 

### 地理位置擴充
<a name="geolocation-enrichment"></a>

*從 2022 年 2 月 8 日開始，*Amazon Fraud Detector 會計算您為事件提供的 IP\$1ADDRESS、BILLING\$1ZIP 和 SHIPPING\$1ZIP 值之間的實體距離。計算的距離會用作詐騙偵測模型的輸入。

若要啟用地理位置擴充，您的事件資料必須包含三個變數中的至少兩個：IP\$1ADDRESS、BILLING\$1ZIP 或 SHIPPING\$1ZIP。此外，每個 BILLING\$1ZIP 和 SHIPPING\$1ZIP 值必須分別具有有效的 BILLING\$1COUNTRY 代碼和 SHIPPING\$1COUNTRY 代碼。如果您有在 *2022 年 2 月 8 日之前訓練的模型，*且其中包含這些變數，則必須重新訓練模型以啟用地理位置擴充。

如果 Amazon Fraud Detector 因為資料無效而無法判斷與事件的 IP\$1ADDRESS、BILLING\$1ZIP 或 SHIPPING\$1ZIP 值相關聯的位置，則會改用特殊預留位置值。例如，假設事件具有有效的 IP\$1ADDRESS 和 BILLING\$1ZIP 值，但 SHIPPING\$1ZIP 值無效。在這種情況下，僅對 IP\$1ADDRESS–> BILLING\$1ZIP 進行擴充。IP\$1ADDRESS–>SHIPPING\$1ZIP 和 BILLING\$1ZIP–>SHIPPING\$1ZIP 不會完成擴充。相反地，預留位置值會用於其位置。無論您的模型是否啟用地理位置擴充，模型的效能都不會變更。

您可以將 BILLING\$1ZIP 和 SHIPPING\$1ZIP 變數映射至 CUSTOM\$1CATEGORICAL 變數類型，以選擇退出地理位置擴充。變更變數類型不會影響您模型的效能。

**地理位置變數格式**

強烈建議您針對地理位置變數使用以下格式，以確保您的位置資料已成功擴充。


| 變數 | 格式 | Description | 
| --- | --- | --- | 
| IP\$1ADDRESS | [IPv4](https://en.wikipedia.org/wiki/IP_address#IPv4_addresses) 地址 | 例如 - 1.1.1.1 | 
| BILLING\$1ZIP 和 SHIPPING\$1ZIP | 指定國家/地區的 [ISO 3166-1 alpha-2](https://en.wikipedia.org/wiki/ISO_3166-1_alpha-2) 郵遞區號  | 如需詳細資訊，請參閱本主題中的國家和區域代碼一節。 | 
| BILLING\$1COUNTRY 和 SHIPPING\$1COUNTRY | [ISO 3166-1 alpha-2](https://en.wikipedia.org/wiki/ISO_3166-1_alpha-2) 雙字母標準國碼 | 如需詳細資訊，請參閱本主題中的國家和區域代碼一節。Amazon Fraud Detector 會嘗試將國家/地區名稱的所有常見變化與其 ISO 3166-1 雙字母標準國家/地區代碼進行比對。不過，我們無法保證它們會正確配對。 | 

#### 國家和區域代碼
<a name="countries-code-format"></a>

下表提供 Amazon Fraud Detector 針對地理位置擴充支援的國家和地區的完整清單。每個國家和區域都有指派的國家/地區代碼 （特別是 ISO 3166-1 alpha-2 雙字母國家/地區代碼） 和郵遞區號。

**郵遞區號格式**
+ 9 - 數字
+  a - 字母
+ 【X】 - X 是選用的。例如，Guersney "GY9【9】 9aa" 表示 "GY9 9aa" 和 "GY99 9aa" 都是有效的。使用一種格式。
+ 【X/XX】 - 可以使用 X 或 XX。例如，「aa【aa/99】」表示「aaa」和「aa 99」都是有效的。使用其中一種格式，但*不要*同時使用這兩種格式。
+ 有些國家具有固定字首。例如，Andorra 的郵遞區號是 AD999。這表示國家/地區代碼必須以字母 *AD* 開頭，後面接著三個數字。


| Code | 名稱  | 郵遞區號 | 
| --- | --- | --- | 
| .ade | 安道爾 | AD999 | 
| AR | 荷屬安地列斯 | 9999 | 
| AT | 奧地利 | 9999 | 
| AU | 澳洲 | 9999 | 
| AZ | 亞塞拜然 | AZ 9999 | 
| BD | 孟加拉 | 9999 | 
| BE | 比利時 | 9999 | 
| BG | 保加利亞 | 9999 | 
| BM | 百慕達 | aa【aa/99】 | 
| BY | 白俄羅斯 | 999999 | 
| CA | 加拿大 | a9a 9a9 | 
| CH | 瑞士 | 9999 | 
| CL | 智利 | 9999999 | 
| CO | 哥倫比亞 | 999999 | 
| CR | 哥斯大黎加 | 99999 | 
| CY | 賽普勒斯 | 9999 | 
| CZ | 捷克 | 999 99 | 
| DE | 德國 | 99999 | 
| DK | 丹麥 | 9999 | 
| DO | 多明尼加共和國 | 99999 | 
| DZ | 阿爾及利亞 | 99999 | 
| EE | 愛沙尼亞 | 99999 | 
| ES | 西班牙 | 99999 | 
| FI | 芬蘭 | 99999 | 
| FM | 密克羅尼西亞 | 99999 | 
| FO | 法羅群島 | 999 | 
| 法國 | 法國 | 99999 | 
| GB | 英國 | a【a】9【a/9】 9aa  | 
| GG | 根西島 | GY9【9】 9aa | 
| GL | 格陵蘭 | 9999 | 
| GP | 瓜地洛普 | 99999 | 
| GT | 瓜地馬拉 | 99999 | 
| GU | 關島 | 99999 | 
| HR | 克羅埃西亞 | 99999 | 
| HU | 匈牙利 | 9999 | 
| IE | 愛爾蘭 | a99【a/9】【a/9】【a/9】【a/9】【a/9】 | 
| IM | 曼島 | IM9【9】9aa | 
| IN | 印度 | 999999 | 
| IS | 冰島 | 999 | 
| IT | 義大利 | 99999 | 
| JE | 澤西島 | JE9【9】9aa | 
| JP | 日本 | 999-9999 | 
| KR | 韓國 | 99999 | 
| LI | 列支敦斯登 | 9999 | 
| LK | 斯里蘭卡 | 99999 | 
| LT | 立陶宛 | 99999 | 
| LU | 盧森堡 | L-9999 | 
| LV | 拉脫維亞 | LV-9999 | 
| MC | 摩納哥 | 99999 | 
| MD | 摩爾多瓦共和國 | 9999 | 
| MH | 馬紹爾群島 | 99999 | 
| MK | 北馬其頓 | 9999 | 
| MP | 北馬里亞納群島 | 99999 | 
| MQ | 馬提尼克文 | 99999 | 
| MT | 馬爾他 | aaa 9999 | 
| MX | 墨西哥 | 99999 | 
| MY | 馬來西亞 | 99999 | 
| NL | 荷蘭 | 9999 aa | 
| NO | 挪威 | 9999 | 
| NZ | 紐西蘭 | 9999 | 
| PH | 菲律賓 | 9999 | 
| PK | 巴基斯坦 | 99999 | 
| PL | 波蘭 | 99-999 | 
| PR | 波多黎各 | 99999 | 
| PT | 葡萄牙 | 9999-999 | 
| PW | 帛琉 | 99999 | 
| RE |  團圓  | 99999 | 
| RO | 羅馬尼亞 | 999999 | 
| RU | 俄羅斯聯邦 | 999999 | 
| SE | 瑞典 | 999 99 | 
| SG | 新加坡 | 999999 | 
| SI | 斯洛維尼亞 | 9999 | 
| SK | 斯洛伐克 | 999 99 | 
| SM | 聖馬利諾 | 99999 | 
| TH | 泰國 | 99999 | 
| TR | 土耳其 | 99999 | 
| UA | 烏克蘭 | 99999 | 
| 美國 | 美國 | 99999 | 
| UY | 烏拉圭 | 99999 | 
| VI | 美屬維京群島 | 99999 | 
| WF | 瓦利斯和富圖那 | 99999 | 
| YT | 馬約特島 | 99999 | 
| ZA | 南非 | 9999 | 

### 使用者代理程式擴充
<a name="useragent-enrichment"></a>

如果您建立帳戶接管洞見 (ATI) 模型，則必須在資料集中提供`useragent`變數類型的變數。此變數包含登入事件的瀏覽器、裝置和作業系統資料。Amazon Fraud Detector 會使用其他資訊來豐富使用者代理程式資料，例如 `user_agent_family` `OS_family`、 和 `device_family`。