Veröffentlicht am: Jan 27, 2022
Wir freuen uns, die Einführung von Vorhersageerklärungen für Machine Learning (ML)-Modelle von Amazon Fraud Detector bekannt zu geben, die sowohl über die AWS-Konsole als auch über das SDK verfügbar sind. Vorhersageerklärungen berichten über die Auswirkungen der Prädiktoren (oder Eingabevariablen) auf eine Betrugsbewertung, was Kunden hilft, einen besseren Überblick darüber zu erhalten, wie ein ML-Modell zu einer bestimmten Betrugsbewertung gelangt ist. Amazon Fraud Detector (AFD) ist ein vollständig verwalteter Service, der es einfach macht, potenziell betrügerische Online-Aktivitäten wie Online-Zahlungsbetrug und die Erstellung gefälschter Konten zu identifizieren. Die Verwendung von ML unter der Haube und basierend auf über 20 Jahren Betrugserkennungsexpertise von AFD identifiziert automatisch potenziell betrügerische Aktivitäten in Millisekunden – ohne ML-Expertise.
Zuvor erhielten Kunden Risikobewertungen als Teil von Betrugsvorhersagen, aber keine Details, die beschreiben, welche der Eingabevariablen zu einer bestimmten ML-Risikobewertung beigetragen haben. Dadurch war es schwierig zu bestimmen, wie Risikobewertungen berechnet wurden und die wesentlichen Beiträge einer Risikobewertung für manuelle Untersuchungen, Compliance oder andere Zwecke zu erklären. Während AFD Erklärungen auf Modellebene bereitstellt, damit Kunden Erkenntnisse in die Eingaben gewinnen können, die die Gesamtleistung des Modells beeinflussen, waren Kunden immer noch nicht in der Lage, individuelle Erklärungen auf Vorhersageebene zu erhalten.
Mit Vorhersageerklärungen enthält jede Betrugsvorhersage jetzt Informationen über die Auswirkungen, die jede Eingabevariable auf einen Betrugsvorhersagewert hatte. Diese Details helfen den Ermittlern, einfacher und genauer zu bestimmen, welche Eingaben den Wert der Betrugsvorhersage nach oben oder unten geführt haben. Vorhersageerklärungen sind ohne zusätzliche Kosten in jeder Vorhersage enthalten.
Kunden können Vorhersageerklärungen in der AWS-Konsole anzeigen, indem sie zur Fraud-Detector-Konsole navigieren und auf der Registerkarte Nach früheren Vorhersagen auf eine Vorhersage klicken. Zusammen mit jeder ML-basierten Betrugsvorhersage-Risikobewertung wird eine Liste der Ereigniseingabevariablen der Vorhersage bereitgestellt, die nach ihrer Auswirkung auf die Risikobewertung geordnet sind. Kunden erhalten auch visuelle Indikatoren für die Bedeutung der Variablen in Bezug auf Größe (auf einer Skala von 0 bis 5, wobei 5 die höchste Auswirkung auf die Gesamtpunktzahl ist) und Richtung (wodurch die Punktzahl höher oder niedriger getrieben wurde). Wenn beispielsweise die IP-Adresse für ein bestimmtes Ereignis die Variable war, die die vom Modell vorhergesagte Risikobewertung am stärksten erhöht hat, wird sie unter „Variablen, die das Betrugsrisiko erhöht haben“ aufgeführt und hat einen hohen Auswirkungswert. Erklärungen zu Vorhersagen sind auch über das AWS SDK und CLI unter Verwendung der GetEventPredictionMetadata-API von AFD verfügbar, sodass Kunden diese Details Betrugsanalysten in ihrer bevorzugten Untersuchungs-Workbench leicht zugänglich machen können.
Vorhersageerklärungen werden automatisch generiert und sind nur für Modelle verfügbar, die am oder nach dem 30. Juni 2021 in allen AWS-Regionen trainiert wurden, in denen Fraud Detector verfügbar ist: USA Ost (Nord-Virginia), USA Ost (Ohio), USA West (Oregon), Europa (Irland), Asien-Pazifik (Singapur) und Asien-Pazifik (Sydney). Weitere Einzelheiten finden Sie auf unserer Dokumentationsseite.