¿Qué hace esta implementación de la solución de AWS?

Fraud Detection Using Machine Learning implementa un modelo de aprendizaje automático (ML) y un ejemplo de conjunto de datos de transacciones de tarjetas de crédito para entrenar al modelo a reconocer patrones de fraude. Se trata de un modelo de aprendizaje automático que permite adaptarse a nuevos y desconocidos patrones de fraude.

Puede utilizar la implementación de esta solución para automatizar la detección de una actividad potencialmente fraudulenta y la señalización de esa actividad para su revisión. La implementación de la solución es fácil de realizar e incluye un ejemplo de conjunto de datos, pero se puede modificar la implementación de la solución para que funcione con cualquier conjunto de datos.

Información general sobre la implementación de la solución de AWS

Fraud Detection Using Machine Learning le permite realizar 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. En el siguiente esquema se muestra la arquitectura que puede implementar automáticamente con la guía de implementación de la solución y la plantilla de AWS CloudFormation correspondiente.

Fraud Detection Using Machine Learning | Diagrama de arquitectura
 Haga clic para ampliar

Arquitectura de Fraud Detection Using Machine Learning

Esta solución incluye una plantilla de AWS CloudFormation que implementa un ejemplo de conjunto de datos de transacciones de tarjetas de crédito contenidas en un bucket de Amazon Simple Storage Service (Amazon S3) y un punto de enlace de Amazon SageMaker con un modelo ML que será entrenado en el conjunto de datos.

La solución implementa también una regla de Amazon CloudWatch Events configurada para ejecutarse a cada minuto. La regla está configurada para activar una función AWS Lambda que procesa las transacciones del conjunto de datos de ejemplo e invoca el punto de enlace de Amazon SageMaker que prevé si esas transacciones son fraudulentas basándose en el modelo ML entrenado. Un flujo de entrega de Amazon Kinesis Data Firehose carga las transacciones procesadas en otro bucket de Amazon S3 para su almacenamiento.

Cuando las transacciones se hayan cargado en Amazon S3, podrá utilizar herramientas y servicios de análisis, incluyendo Amazon QuickSight, para la visualización, la elaboración de informes, las consultas ad-hoc y un análisis más detallado.

La solución está configurada de manera predeterminada para procesar transacciones del conjunto de datos de ejemplo. Para usar su propio conjunto de datos, debe modificar la solución. Para obtener más información, consulte la guía de implementación.

Fraud Detection Using Machine Learning

Versión 2
Última actualización: 05/2020
Autor: AWS

Tiempo estimado de implementación: 5 minutos

Utilice el siguiente botón para suscribirse a las actualizaciones de la solución.

Nota: Para suscribirse a las actualizaciones de RSS, debe disponer de un complemento de RSS habilitado para el navegador que utilice. 

Características

Personalización

Esta solución incluye un ejemplo de conjunto de datos de transacciones de tarjetas de crédito, pero puede modificar la solución para utilizar su propio conjunto de datos.

Automation

Detecte actividades potencialmente fraudulentas y indique esa actividad para su revisión con un modelo de ML preconstruido y de aprendizaje automático.
Ícono de creación
Implemente usted mismo una solución

Consulte nuestra biblioteca de Implementaciones de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.

Más información 
Buscar un socio de APN
Buscar un socio de APN

Encuentre socios consultores y tecnológicos certificados por AWS que lo ayudarán a comenzar.

Más información 
Ícono de exploración
Explore las ofertas de asesoramiento sobre soluciones

Explore nuestra cartera de ofertas de asesoramiento para obtener ayuda autorizada por AWS con la implementación de la solución.

Más información