Veröffentlicht am: Feb 8, 2022
Wir freuen uns, die Einführung einer neuen Geolocation-Anreicherungsfunktion für Amazon Fraud Detector Machine Learning (ML)-Modelle bekannt zu geben, die automatisch die Entfernung zwischen der für eine Veranstaltung angegebenen IP-Adresse, Rechnungsadresse und Lieferadresse berechnet. Dies hilft Ihnen, weiteren Betrug zu verhindern, insbesondere wenn ein Benutzer versucht, ein Konto mit den Informationen einer anderen Person zu erstellen oder eine Transaktion mit der Kreditkarte einer anderen Person durchzuführen.
Amazon Fraud Detector ist ein vollständig verwalteter Service, der es einfacher macht, potenziell betrügerische Online-Aktivitäten wie Online-Zahlungsbetrug und die Erstellung gefälschter Konten zu identifizieren. Mit ML unter der Haube und basierend auf über 20 Jahren Betrugserkennungsexpertise identifiziert Amazon Fraud Detector automatisch potenziell betrügerische Aktivitäten in Millisekunden – ohne ML-Expertise. Als Teil des Modelltrainingsprozesses reichert Amazon Fraud Detector Rohdatenelemente wie IP-Adressen, Bankidentifikationsnummern (BINs) und Telefonnummern an, um Dutzende zusätzlicher Eingaben für Ihr Betrugserkennungsmodell zu erstellen.
Ab heute berechnet Amazon Fraud Detector automatisch die physische Entfernung zwischen der IP-Adresse, der Rechnungsadresse und der Lieferadresse, die Sie für eine Veranstaltung angeben. Die berechneten Entfernungen werden dann als Eingaben für Ihr Betrugserkennungsmodell verwendet. Diese neue Anreicherung steigert die Leistung von Modellen, die diese Variablen verwenden und ermöglicht es diesen Modellen, bis zu 10 % mehr Betrug zu erkennen, wenn sie eine Falsch-Positiv-Rate von 3 % akzeptieren
Die Anreicherung für Geolocations wird automatisch für alle Modelle in allen Regionen aktiviert, in denen Amazon Fraud Detector verfügbar ist. Kunden von Amazon Fraud Detector können diese neue Anreicherung nutzen, indem sie ihre Modelle neu trainieren, die sowohl IP-Adressen als auch Lieferadressen- und/oder Rechnungsadressen-Variablen verwenden. Weitere Einzelheiten finden Sie auf unserer Dokumentationsseite.