Amazon Fraud Detector 是一項 Amazon Web Services (AWS) 提供的全受管服務，旨在使用機器學習 (ML) 來識別潛在的線上詐欺活動，讓您能夠快速偵測並阻止更多詐欺，降低欺詐成本。
它利用 Amazon 內部多年的詐欺偵測經驗和機器學習技術，讓您能夠輕鬆地建立、部署和管理自訂的詐欺偵測模型，即使您不具備 ML 專業知識。
主要概念與特點：
- 專為詐欺偵測設計的機器學習：
- Fraud Detector 預先訓練了來自 AWS 和亞馬遜（Amazon.com）龐大的詐欺偵測數據集和經驗。
- 它內建了多種機器學習模型類型和演算法，專門用於識別常見的詐欺模式，例如： 線上支付詐欺 (Online Payment Fraud)： 例如盜刷、惡意退款。新帳戶詐欺 (New Account Fraud)： 例如惡意註冊、建立假帳戶。線上身份盜用 (Online Identity Compromise)： 例如帳戶盜用。忠誠度計畫詐欺 (Loyalty Program Fraud)： 例如點數盜用。其他形式的線上欺詐。
- 無需 ML 專業知識：
- 您不需要是機器學習專家也能使用 Fraud Detector。它提供了一個引導式的流程和視覺化界面，幫助您： 定義事件： 描述您要偵測的詐欺類型（例如新帳戶註冊、支付事件）。上傳資料： 提供您的歷史詐欺和合法事件數據。建立模型： Fraud Detector 會自動為您選擇最佳的 ML 演算法、訓練模型並評估其效能。部署模型： 將訓練好的模型部署為 API，供您的應用程式即時呼叫。
- 規則引擎與分數 (Rules Engine and Scores)：
- 除了機器學習模型之外，Fraud Detector 還包含一個規則引擎。您可以根據詐欺預測分數或其他業務邏輯來設定自訂規則。
- 例如，您可以設定一條規則：「如果詐欺分數高於 900，並且使用者所在國家與 IP 地址不符，則自動拒絕交易。」
- 當有新的事件資料傳入時，模型會給出一個詐欺分數，然後規則引擎會根據分數和您定義的規則，決定採取什麼行動（例如：接受、審查或拒絕）。
- 即時詐欺偵測：
- 部署的模型可以作為 API 端點，您的應用程式可以在使用者執行操作（例如登入、下單、註冊）的同時向 Fraud Detector 發送事件數據，以獲得即時的詐欺預測。
- 透明度和可解釋性：
- Fraud Detector 不僅提供詐欺分數，還提供分數的解釋，幫助您了解模型為什麼會做出這樣的判斷，例如哪些變數對分數的影響最大。這對於合規性審查和業務決策非常有幫助。
- 全受管服務：
- AWS 負責所有的基礎設施管理，包括伺服器、儲存、擴展、模型訓練和部署的複雜性。
- 與 AWS 生態系統整合：
- 可以從 Amazon S3 等服務導入數據進行模型訓練。
- 偵測結果可以發送到 Amazon CloudWatch 進行監控，或發送到 AWS Lambda 觸發自動化動作。
典型使用案例：
- 線上支付欺詐： 檢測未經授權的交易、惡意退款、信用卡盜用。
- 新帳戶欺詐： 識別機器人註冊、虛假帳戶、批量註冊等。
- 帳戶盜用 (Account Takeover)： 偵測未經授權的登入嘗試或帳戶活動。
- 遊戲和應用程式內的欺詐： 識別作弊行為、虛假購買、濫用促銷活動等。
- 貸款申請欺詐： 在貸款申請流程中識別潛在的欺詐行為。
