Publicado: Feb 6, 2023
Hoje, o Amazon Fraud Detector (AFD) anunciou o lançamento do recurso Cold Start. Agora, os clientes podem começar a treinar um modelo de detecção de fraudes de cadastro ou transação com o mínimo de dados históricos. Até agora, os clientes do AFD precisavam fornecer mais de 10 mil eventos rotulados com pelo menos 400 exemplos de fraude para treinar um modelo. Com o lançamento do Cold Start, apenas 50 eventos de fraude rotulados e 50 eventos não rotulados são necessários. O novo recurso introduz métodos inteligentes para tratar seus dados não rotulados e otimiza o treinamento de modelos com pequenos conjuntos de dados.
O obstáculo mais significativo para qualquer organização que queira aproveitar o machine learning em seus negócios é a necessidade de ter dados históricos ricos e formatados de forma consistente. A falta de dados históricos significativos pode ser considerada um cenário de “cold-start” (início a frio) de dados para treinar um modelo de machine learning. Agora, com o AFD, os clientes podem começar rapidamente com um modelo de detecção de fraudes de qualidade quando há apenas dados limitados de treinamento de modelos disponíveis. Os clientes podem então começar a usar a marcação de fraudes e treinar continuamente seu modelo com conjuntos de dados crescentes para aumentar a performance do modelo.
O Amazon Fraud Detector (AFD) é um serviço totalmente gerenciado que facilita a identificação de atividades potencialmente fraudulentas online, como fraudes de pagamento online e a criação de contas falsas. Empregando ML nos bastidores e com base em mais de 20 anos de experiência em detecção de fraudes, o AFD identifica automaticamente atividades potencialmente fraudulentas em milissegundos.
O recurso está disponível em todas as regiões nas quais o Amazon Fraud Detector está disponível: Leste dos EUA (Ohio), Leste dos EUA (N. da Virgínia), Oeste dos EUA (Oregon), Europa (Irlanda), Ásia-Pacífico (Singapura) e Ásia-Pacífico (Sydney). Para saber mais sobre o Amazon Fraud Detector, visite nossa página do produto.