La detección del fraude a través de machine learning implementa un modelo de machine learning (ML) y un ejemplo de conjunto de datos de transacciones de tarjetas de crédito con el fin de entrenar al modelo para que reconozca patrones de fraude. Se trata de un modelo de aprendizaje autónomo que permite adaptarse a nuevos y desconocidos patrones de fraude.
Puede utilizar la implementación de esta orientación para automatizar la detección de una actividad potencialmente fraudulenta y la señalización de esa actividad para su revisión. Fraud Detection Using Machine Learning es fácil de implementar e incluye un conjunto de datos de muestra, pero el código se puede modificar para que funcione con cualquier conjunto de datos.
Información general
Fraud Detection Using Machine Learning le permite llevar a cabo el procesamiento automatizado de transacciones en un conjunto de datos de ejemplo o en su propio conjunto de datos. El modelo de ML incluido detecta la actividad potencialmente fraudulenta e indica esa actividad para su revisión. El siguiente diagrama presenta la arquitectura que puede crear mediante el código de muestra en GitHub.
Arquitectura de Fraud Detection Using Machine Learning
El código implementa la siguiente infraestructura:
- Un bucket de Amazon Simple Storage Service (Amazon S3) que contiene un conjunto de datos de muestra de transacciones de tarjetas de crédito.
- Una instancia de cuaderno de Amazon SageMaker con diferentes modelos de ML que se entrenarán sobre el conjunto de datos.
- Una función de AWS Lambda que procesa las transacciones del conjunto de datos de muestra e invoca los dos puntos de conexión de Amazon SageMaker que asignan puntuaciones de anomalía y puntuaciones de clasificación a los puntos de datos entrantes.
- Una API REST de Amazon API Gateway invoca predicciones mediante solicitudes HTTP firmadas.
- Una secuencia de entrega de Amazon Kinesis Data Firehose carga las transacciones procesadas en otro bucket de Simple Storage Service (Amazon S3) para su almacenamiento.
Fraud Detection Using Machine Learning
Versión 2.0.0
Última actualización: 01/2022
Autor: AWS
Recursos adicionales
Características
Personalización
Automation
Contenido relacionado
Revise nuestra biblioteca de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.
Encuentre socios de AWS que lo ayuden a comenzar.
Encuentre diagramas de arquitectura prescriptivos, código de muestra y contenido técnico para casos de uso comunes.