개요
Fraud Detection Using Machine Learning을 사용하면 예제 데이터 집합 또는 자체 데이터 집합에서 자동화된 거래 처리를 실행할 수 있습니다. 포함된 ML 모델은 잠재적 사기 활동을 탐지하고 검토를 위해 해당 활동에 플래그를 표시합니다. 아래의 다이어그램은 GitHub의 예제 코드를 사용하여 구축할 수 있는 아키텍처를 보여줍니다.
Fraud Detection Using Machine Learning 아키텍처
이 코드는 다음 인프라를 배포합니다.
- 신용카드 거래에 대한 데이터 집합 예제를 포함하는 Amazon Simple Storage Service(Amazon S3) 버킷.
- 데이터 집합에서 훈련되는 여러 기계 학습(ML) 모델을 포함하는 Amazon SageMaker 노트북 인스턴스.
- 데이터 집합 예제에서 거래를 처리하고 수신 데이터 포인트에 비정상적인 점수와 분류 점수를 지정하는 두 개의 Amazon SageMaker 엔드포인트를 호출하는 AWS Lambda 함수.
- Amazon API Gateway REST API는 서명된 HTTP 요청을 사용하여 예측을 호출합니다.
- Amazon Kinesis Data Firehose 전송 스트림은 저장을 위해 처리된 거래를 다른 Amazon S3 버킷에 로드합니다.
또한 이 지침은 Amazon SageMaker 노트북의 일부로 예측 REST API를 호출하는 방법에 대한 예제를 제공합니다.
거래가 Amazon S3에 로드되면 시각화, 보고, 임시 쿼리 및 보다 자세한 분석을 위해
Amazon QuickSight를 포함한 분석 도구와 서비스를 사용할 수 있습니다.
추가 리소스
기능
사용자 지정 가능
이 지침에는 신용카드 거래 데이터 집합 예제가 포함되어 있지만, 자체 데이터 집합을 사용하도록 솔루션을 수정할 수 있습니다.
자동화
잠재적인 사기 활동을 탐지하고 사전 구축된 자기 학습 ML 모델로 검토할 수 있도록 해당 활동에 플래그를 표시합니다.
