发布于: Jan 27, 2022
我们很高兴地宣布推出针对 Amazon Fraud Detector 机器学习（ML）模型的预测解释，可通过 AWS 控制台和 SDK 获得。 预测解释报告预测变量（或输入变量）对欺诈分数的影响，这有助于客户更好地了解 ML 模型如何达到特定欺诈分数。Amazon Fraud Detector（AFD）是一项完全托管式服务，可轻松识别潜在的欺诈性线上活动，例如创建虚假账户或在线支付欺诈。通过在幕后使用机器学习（ML），并依托 Amazon 20 多年的欺诈侦测专业知识，Amazon Fraud Detector 可在几毫秒内自动识别潜在的欺诈活动，而无需要机器学习（ML）专业知识。
以前，客户会在欺诈预测中收到风险评分，但无法获得有关哪些输入变量会对特定的机器学习风险评分有贡献的任何相关详细信息。这使得很难确定如何计算风险评分，以及解释风险评分对人工调查、合规性或其他目的的重要贡献。尽管 AFD 提供模型级别的解释，客户可以获得哪些输入推动着整体模型性能，但其仍然无法获得预测级别的各个解释。
借助预测解释，现在每个欺诈预测都附带有关每个输入变量对欺诈预测分数的影响的信息。这些细节将帮助调查人员更轻松、更准确地确定哪些输入会导致欺诈预测分数上升或下降。预测解释包含在每个预测中，无需额外成本。
客户可以通过导航到 Fraud Detector 控制台并单击 Search Past Predictions 选项卡中的预测，在 AWS 控制台中查看预测解释。除了每个基于 ML 的欺诈预测风险评分，还提供了一个预测事件输入变量列表，这些变量是按其对风险评分的影响进行排序的。客户还可以从量级（0 到 5 分，5 分对总分的影响最大）和方向（使分数更高或更低）方面获得关于变量的影响的视觉指标。例如，如果给定事件的 IP 地址是对模型预测的风险评分增加最多的变量，则该变量将被列在“增加欺诈风险的变量”下，并且影响值很高。预测解释也可使用 AFD 的 GetEventPredictionMetadata API 通过 AWS 开发工具包和 CLI 获得，使得客户可以轻松地将这些详细信息呈现给他们首选的调查工作台中的欺诈分析师。
预测解释是自动生成的，并且仅适用于所有已推出 Fraud Detector 的 AWS 区域中在 2021 年 6 月 30 日或之后训练的模型：美国东部（弗吉尼亚北部）、美国东部（俄亥俄）、美国西部（俄勒冈）、欧洲（爱尔兰）、亚太地区（新加坡）和亚太地区（悉尼）。有关其他详细信息，请参阅我们的文档页面。