概觀
使用機器學習偵測詐騙解決方案可讓您在資料集範例或自己的資料集上執行自動化交易處理。包含的 ML 模型會偵測可能的詐騙活動,並標記該活動以進行審查。以下圖表展示了您可以使用 GitHub 上的範例程式碼建置的架構。
按一下以放大
使用機器學習架構進行詐騙偵測
該程式碼部署了以下基礎設施:
- Amazon Simple Storage Service (Amazon S3) 儲存貯體包含信用卡交易範例資料集
- Amazon SageMaker 具有筆記本執行個體具有不同的 ML 模型,這些模型將在資料集上進行訓練。
- AWS Lambda 函數會處理來自資料集範例的交易,並叫用兩個 Amazon SageMaker 端點,該端點會將異常得分和分類得分指派給傳入的資料點。
- An Amazon API Gateway REST API 使用簽署的 HTTP 請求叫用預測。
- Amazon Kinesis Data Firehose 交付串流會將已處理的交易載入另一個 Simple Storage Service (Amazon S3) 儲存貯體存放。
該指引還提供一個範例,說明如何叫用預測 REST API 作為 Amazon Sagemaker 筆記本的一部分。
交易已載入 Simple Storage Service (Amazon S3) 後,您可以使用分析工具和服務 (包括
Amazon QuickSight),以進行視覺化、報告、臨機操作查詢和更詳細的分析。
其他資源
功能
可自訂
此指引包括信用卡交易資料集範例,但您可以修改解決方案,以便使用自己的資料集。
自動化
偵測潛在的詐騙活動並標記該活動,以便使用預先建置的自我學習 ML 模型進行審查。