Amazon Fraud Detector เป็นบริการที่มีการจัดการอย่างเต็มรูปแบบที่ช่วยให้ระบุกิจกรรมการทุจริตทางออนไลน์ที่อาจเกิดขึ้นได้ง่ายๆ เช่น การทุจริตด้านการชำระเงินออนไลน์และการสร้างบัญชีปลอม Amazon Fraud Detector นี้จะอาศัยแมชชีนเลิร์นนิ่ง (ML) และองค์ความรู้ด้านการตรวจจับการทุจริตที่สะสมมาเป็นเวลา 20 ปีจาก Amazon Web Services (AWS) และ Amazon.com เพื่อระบุกิจกรรมที่อาจเป็นการทุจริตที่อาจเกิดขึ้นในแต่ละมิลลิวินาที คุณไม่จำเป็นต้องชำระเงินล่วงหน้าหรือมีพันธะผูกพันระยะยาว และไม่มีโครงสร้างพื้นฐานใดที่ต้องจัดการในการใช้งาน Amazon Fraud Detector คุณจ่ายเท่าที่คุณใช้จริงเท่านั้น
อันดับแรก คุณต้องกำหนดเหตุการณ์ที่คุณต้องการประเมินการทุจริต จากนั้นให้อัปโหลดชุดข้อมูลเหตุการณ์ในอดีตไปยัง Amazon Simple Storage Service (Amazon S3) แล้วเลือกประเภทโมเดลการตรวจจับการทุจริต ซึ่งจะกำหนดชุดคุณสมบัติและอัลกอริทึมที่ปรับให้เหมาะกับการตรวจจับรูปแบบการทุจริตอย่างเฉพาะเจาะจง จากนั้นบริการจะฝึก ทดสอบ และปรับใช้โมเดลการตรวจจับการทุจริตที่ปรับแต่งตามข้อมูลเฉพาะของคุณโดยอัตโนมัติ ในระหว่างกระบวนการนี้ คุณสามารถเพิ่มประสิทธิภาพของโมเดลด้วยชุดโมเดลที่ได้รับการฝึกล่วงหน้าเกี่ยวกับรูปแบบการทุจริตโดยอิงจากความเชี่ยวชาญด้านการทุจริตของ AWS และ Amazon เอง ผลลัพธ์ของโมเดลที่ได้จะเป็นคะแนนตั้งแต่ 0-1,000 ซึ่งเป็นตัวเลขคาดการณ์แนวโน้มความเสี่ยงการทุจริต ในขั้นสุดท้ายของกระบวนการ ให้คุณตั้งค่าตรรกะการตัดสินใจ (เช่น กฎตายตัว) เพื่อตีความคะแนนของโมเดลและกำหนดผลลัพธ์ เช่น การผ่านหรือส่งธุรกรรมให้บุคคลตรวจสอบ
หลังจากสร้างเฟรมเวิร์กนี้แล้ว คุณจะสามารถผสานการทำงาน API ของ Amazon Fraud Detector เข้ากับฟังก์ชันการทำธุรกรรมของเว็บไซต์ของคุณได้ เช่น การลงทะเบียนบัญชีหรือการชำระเงินสำหรับคำสั่งซื้อ Amazon Fraud Detector จะประมวลผลกิจกรรมเหล่านี้แบบเรียลไทม์และให้การคาดการณ์การทุจริตเป็นหลักมิลลิวินาที เพื่อช่วยคุณปรับประสบการณ์การใช้งานของผู้ใช้ปลายทางของคุณ
Amazon Fraud Detector ออกแบบมาเพื่อกรณีใช้งานด้านการทุจริตออนไลน์ที่จำเป็นต้องสร้างโมเดล ML แบบเรียลไทม์และการประเมินตามกฎตายตัว ตัวอย่างเช่น
ใช่ คุณสามารถปรับ Amazon Fraud Detector ให้เหมาะกับกรณีใช้งานแต่ละประเภทได้ โดยการปรับใช้โมเดล ML ต่างๆ ของ Amazon Fraud Detector, โมเดล Amazon SageMaker และกฎตายตัว ขั้นแรก ให้รวบรวมข้อมูลความเสี่ยงที่เกี่ยวข้องเพื่อใช้เป็นข้อมูลสำหรับป้อนในการประเมินการทุจริต โดยข้อมูลเหล่านี้จะประกอบด้วยที่อยู่อีเมล หมายเลขโทรศัพท์ และที่อยู่ IP ข้อมูลนี้จะถูกป้อนให้กับโมเดล ML ซึ่งจะได้ผลลัพธ์ออกมาเป็นคะแนน สุดท้าย คุณจะสามารถใช้กฎการตรวจจับตายตัวเพื่อเป็นเกณฑ์ในการตีความคะแนนและข้อมูลความเสี่ยงอื่นๆ เพื่อตัดสินใจ เช่น การอนุมัติการเคลมหรือการส่งออเดอร์ไปที่ส่วนวิเคราะห์การทุจริตเพื่อตรวจสอบ ตัวอย่างกฎตายตัวพื้นฐานและผลลัพธ์ที่ได้คือ “IF model_score < 50 & credit_card_country = US THEN approve_order”
ด้วยประสบการณ์ในการจัดการกับการทุจริตถึง 20 ปี Amazon เท่าทันการทุจริตทางออนไลน์ของผู้ไม่ประสงค์ดีอยู่เสมอ Amazon Fraud Detector จะช่วยให้คุณได้รับประโยชน์จากองค์ความรู้เหล่านี้ ในระหว่างกระบวนการฝึกอบรมโมเดลอัตโนมัติ Amazon Fraud Detector จะใช้ชุดโมเดลที่ได้เรียนรู้รูปแบบการทุจริตจาก AWS และความเชี่ยวชาญด้านการทุจริตของ Amazon เองเพื่อพัฒนาประสิทธิภาพของโมเดลของคุณ
Amazon Fraud Detector ฝึกอบรม ทดสอบ และติดตั้งใช้การตรวจจับการทุจริตและโมเดลแมชชีนเลิร์นนิ่งที่ปรับแต่งเองโดยอัตโนมัติ ตามข้อมูลการทุจริตที่ผ่านมาของคุณโดยไม่ต้องมีประสบการณ์ในการใช้งาน ML มาก่อน สำหรับนักพัฒนาที่มีประสบการณ์ด้านแมชชีนเลิร์นนิ่งมาก่อนแล้ว คุณสามารถเพิ่มโมเดลของคุณเองไปยัง Amazon Fraud Detector ได้โดยใช้ Amazon SageMaker
Amazon Fraud Detector ช่วยให้คุณสามารถดำเนินการคาดการณ์การทุจริตตามกฎตายตัวได้ไม่ว่าจะมีหรือไม่มี ML ก็ตาม Amazon Fraud Detector ช่วยให้คุณสามารถเขียนกฎตายตัวในการตรวจจับเองได้ (เช่น “IF model_score < 50 & credit_card_country = US THEN approve_order”) โดยใช้ภาษาในการเขียนกฎตายตัวที่เรียบง่ายไม่ซับซ้อน นอกจากนี้ คุณยังสามารถระบุลำดับที่กฎตายตัวจะกระตุ้นการทำงานในระหว่างการประเมินได้โดยใช้อินเทอร์เฟซที่ใช้งานง่าย
ได้ คุณสามารถตรวจสอบการประเมินการทุจริตที่ผ่านมาเพื่อตรวจสอบความถูกต้องของตรรกะการตัดสินใจได้โดยใช้ Console ของ Amazon Fraud Detector ใน Console ของ Amazon Fraud Detector คุณสามารถค้นหาเหตุการณ์ที่ผ่านมาได้ตามคุณลักษณะของเหตุการณ์และ/หรือตรรกะการตรวจจับที่ใช้ เช่น ผลลัพธ์ โมเดล หรือกฎตายตัวที่ใช้ หรือข้อมูลเมตาของเหตุการณ์ คุณยังสามารถเจาะลึกไปยิ่งกว่านั้นเพื่อดูวิธีที่ตรรกะการตรวจจับใช้ประเมินเหตุการณ์ได้
ไม่ การรักษาความปลอดภัยและความเป็นส่วนตัวคือสิ่งที่เราให้ความสำคัญเป็นอย่างยิ่ง ตามหลักการพื้นฐานในการสร้างความไว้วางใจกับลูกค้า AWS จะไม่แชร์ข้อมูลของลูกค้าโดยเด็ดขาด