HAQM Fraud Detector è un servizio completamente gestito che facilita l'identificazione di potenziali attività fraudolente online come la frode dei pagamenti online e la creazione di account falsi. HAQM Fraud Detector utilizza il machine learning (ML) e 20 anni di competenza nel rilevamento delle frodi di HAQM Web Services (AWS) ed HAQM.com per identificare automaticamente attività potenzialmente fraudolente nell'arco di millisecondi. Con HAQM Fraud Detector, non sono previsti pagamenti anticipati o impegni di lungo termine né infrastrutture da gestire. Si paga solo per l'utilizzo effettivo.
In primo luogo, dovrai specificare l'evento che vuoi analizzare a fronte di un sospetto di frode. Fatto ciò, dovrai caricare il tuo set di dati di cronologia su HAQM Simple Storage Service (HAQM S3) e selezionare il modello di rilevamento frodi, che specifica una combinazione di caratteristiche e algoritmi ottimizzati per rilevare una precisa tipologia di frode. Il servizio quindi addestrerà, testerà ed implementerà automaticamente un modello di rilevamento frodi personalizzato basato sulle tue informazioni specifiche. Durante questo processo, puoi incrementare la performance del tuo modello con una serie di modelli preaddestrati con schemi basati sull'esperienza di AWS e HAQM relativa alle frodi. Il risultato del modello è una previsione in punteggio da 0 a 1.000 che prevede la probabilità di rischio di frode. Durante la fase finale del processo, è necessario impostare una logica decisionale (per es. regole) per interpretare il punteggio del modello e assegnare i risultati come "superato" oppure "invia transazione a un investigatore umano per una revisione".
Una volta creato questa framework, sarà possibile integrare l'API HAQM Fraud Detector nelle funzioni transazionali del proprio sito web, come la registrazione di account oppure i pagamenti di un ordine. HAQM Fraud Detector processerà queste attività in tempo reale e fornirà previsioni di frodi nell'arco di qualche millisecondo per consentirti di calibrare la tua esperienza di utente finale.
HAQM Fraud Detector è progettato per i casi d'uso di frodi online che richiedono modellazione ML in tempo reale e valutazione basata su regole. Ad esempio:
Sì. Sì, è possibile personalizzare HAQM Fraud Detector per ciascun caso d'uso tramite modelli di HAQM Fraud Detector ML, modelli HAQM SageMaker e regole. Prima di tutto, raccogli tutti i dati di rischio rilevanti da usare come input di valutazione di frode. Questi comprendono indirizzi email, numeri di telefono ed indirizzi IP. Questi dati vengono immagazzinati in un modello ML, il quale produce un punteggio. Infine, puoi utilizzare regole di rilevamento per interpretare il punteggio e altri dati di rischio per prendere decisioni, come approvare o inviare l'ordine ad analisti di frode per un'investigazione ulteriore. Un esempio di una regola semplice e un risultato corrispondente potrebbero essere: “IF model_score < 50 & credit_card_country = US THEN approve_order” ("Se punteggio_modello < 50 & carta_dicredito_paese = USA ALLORA approva_ordine”).
Con 20 anni di esperienze nell'ambito frodi, HAQM ha avuto modo di vedere direttamente il comportamento di utenti malintenzionati e le diverse modalità utilizzate per commettere frodi online. HAQM Fraud Detector consente di accedere a queste conoscenze. Durante il processo automatizzato di formazione del modello, HAQM Fraud Detector usa una serie di modelli addestrati su motivi dall'esperienza di AWS e HAQM nell'ambito frode per aumentare le prestazioni del modello.
HAQM Fraud Detector forma, testa e distribuisce modelli di machine learning per il rilevamento frodi personalizzato sulla base della cronologia dei tuoi dati di frode, e non è necessario avere esperienza con ML. Per sviluppatori con più esperienza nel machine learning, è possibile aggiungere i propri modelli ad HAQM Fraud Detector tramite HAQM SageMaker.
Con HAQM Fraud Detector è possibile eseguire previsioni di frode basate su regole con e senza l'utilizzo di machine learning. HAQM Fraud Detector permette di creare regole di rilevamento (per es. "IF model_score < 50 & credit_card_country = US THEN approve_order” ("SE punteggio_modello < 50 & carta_dicredito_paese = USA ALLORA approva_ordine”) tramite un linguaggio basato sulla scrittura semplice di regole. È inoltre possibile specificare l'ordine di attivazione delle regole durante una valutazione tramite un'interfaccia intuitiva.
Sì, è possibile rivedere le valutazioni di frodi passate per effettuare auditing sulla logica di decisione tramite la console di HAQM Fraud Detector. Nella console di HAQM Fraud Detector, è possibile cercare gli eventi passati sulla base delle caratteristiche dell'evento e/o della logica di rilevamento applicata, come il risultato, i modelli o le regole usate, o persino i metadati. Poi si procederà ad eseguire il drill-down per scoprire come una logica di rilevamento ha valutato un evento.
No. La sicurezza e la privacy sono le nostre principali preoccupazioni. È un principio fondamentale per l'acquisizione della fiducia del cliente: AWS non condividerà mai i dati del cliente.