Veröffentlicht am: Feb 6, 2023
Heute hat Amazon Fraud Detector (AFD) die Einführung der Kaltstartfunktion angekündigt. Jetzt können Kunden damit beginnen, ein Modell zur Erkennung von Anmelde- oder Transaktionsbetrug mit minimalen historischen Daten zu trainieren. Bisher mussten AFD-Kunden für das Training eines Models mehr als 10.000 markierte Ereignisse mit mindestens 400 Betrugsbeispielen angeben. Mit der Veröffentlichung von Cold Start sind nur noch 50 markierte Betrugsereignisse und 50 unbeschriftete Ereignisse erforderlich. Die neue Funktion führt intelligente Methoden zur Behandlung Ihrer unbeschrifteten Daten ein und optimiert das Modelltraining mit kleinen Datensätzen.
Das größte Hindernis für jedes Unternehmen, das Machine Learning nutzen möchte, ist die Anforderung, über umfangreiche, konsistent formatierte historische Daten zu verfügen. Das Fehlen aussagekräftiger historischer Daten kann als ein „Kaltstart-Szenario“ für das Training eines ML-Modells angesehen werden. Mit AFD können Kunden jetzt schnell mit einem hochwertigen Modell zur Betrugserkennung beginnen, wenn nur begrenzte Modelltrainingsdaten verfügbar sind. Kunden können dann damit beginnen, das Betrug-Tagging zu wiederholen und ihr Modell mit wachsenden Datensätzen kontinuierlich neu zu trainieren, um die Modellleistung zu steigern.
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. Mithilfe von ML im Hintergrund und auf der Grundlage von mehr als 20 Jahren Erfahrung in der Betrugserkennung von AFD werden potenziell betrügerische Aktivitäten automatisch innerhalb von Millisekunden identifiziert.
Die Funktion ist in allen Regionen verfügbar, in denen Amazon Fraud Detector verfügbar ist: USA Ost (Ohio), USA Ost (Nord-Virginia), USA West (Oregon), Europa (Irland), Asien-Pazifik (Singapur) und Asien-Pazifik (Sydney). Um mehr über Amazon Fraud Detector zu erfahren, besuchen Sie unsere Produktseite.