Amazon Fraud Detector ist seit dem 7. November 2025 nicht mehr für Neukunden geöffnet. Funktionen, die Amazon Fraud Detector ähneln, finden Sie SageMaker unter Amazon AutoGluon, und AWS WAF.
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Speichern Sie Ihre Eventdaten extern mit Amazon S3
Wenn Sie ein Online Fraud Insights-Modell trainieren, können Sie sich dafür entscheiden, Ihre Eventdaten extern bei Amazon S3 zu speichern. Um Ihre Veranstaltungsdaten in Amazon S3 zu speichern, müssen Sie zunächst eine Textdatei im CSV-Format erstellen, Ihre Veranstaltungsdaten hinzufügen und dann die CSV-Datei in einen Amazon S3 S3-Bucket hochladen.
**Anmerkung**
Die Modelltypen **Transaction Fraud Insights** **und Account Takeover Insights** unterstützen keine extern bei Amazon S3 gespeicherten Datensätze.
# Erstellen Sie eine CSV-Datei
Amazon Fraud Detector verlangt, dass die erste Zeile Ihrer CSV-Datei Spaltenüberschriften enthält. Die Spaltenüberschriften in Ihrer CSV-Datei müssen den Variablen zugeordnet sein, die im Ereignistyp definiert sind. Ein Beispieldatensatz finden Sie unter [Holen Sie sich einen Beispieldatensatz und laden Sie](step-1-get-s3-data.md)
Das Modell Online Fraud Insights erfordert einen Trainingsdatensatz mit mindestens 2 Variablen und bis zu 100 Variablen. Zusätzlich zu den Ereignisvariablen muss der Trainingsdatensatz die folgenden Überschriften enthalten:
+ EVENT\$1TIMESTAMP — Definiert, wann das Ereignis eingetreten ist
+ EVENT\$1LABEL — Klassifiziert das Ereignis als betrügerisch oder legitim. Die Werte in der Spalte müssen den im Ereignistyp definierten Werten entsprechen.
Die folgenden CSV-Beispieldaten stellen historische Registrierungsereignisse eines Online-Händlers dar:
```
EVENT_TIMESTAMP,EVENT_LABEL,ip_address,email_address
4/10/2019 11:05,fraud,209.146.137.48,fake_burtonlinda@example.net
12/20/2018 20:04,legit,203.0.112.189,fake_davidbutler@example.org
3/14/2019 10:56,legit,169.255.33.54,fake_shelby76@example.net
1/3/2019 8:38,legit,192.119.44.26,fake_curtis40@example.com
9/25/2019 3:12,legit,192.169.85.29,fake_rmiranda@example.org
```
**Anmerkung**
Die CSV-Datendatei kann doppelte Anführungszeichen und Kommas als Teil Ihrer Daten enthalten.
Eine vereinfachte Version des entsprechenden Ereignistyps ist unten dargestellt. Die Ereignisvariablen entsprechen den Headern in der CSV-Datei und die Werte in `EVENT_LABEL` entsprechen den Werten in der Labelliste.
```
(
name = 'sample_registration',
eventVariables = ['ip_address', 'email_address'],
labels = ['legit', 'fraud'],
entityTypes = ['sample_customer']
)
```
## Formate für Zeitstempel für Ereignisse
Stellen Sie sicher, dass Ihr Event-Zeitstempel das erforderliche Format hat. Im Rahmen der Modellerstellung ordnet der Modelltyp Online Fraud Insights Ihre Daten auf der Grundlage des Zeitstempels des Ereignisses und teilt Ihre Daten zu Schulungs- und Testzwecken auf. Um eine angemessene Schätzung der Leistung zu erhalten, trainiert das Modell zunächst anhand des Trainingsdatensatzes und testet dieses Modell anschließend mit dem Testdatensatz.
Amazon Fraud Detector unterstützt die folgenden date/timestamp Formate für die Werte `EVENT_TIMESTAMP` während des Modelltrainings:
+ %yyyy-%mm-%ddt%HH: %mm: %sSz (ISO 8601-Standard nur in UTC ohne Millisekunden)
Beispiel: 2019-11-30T 13:01:01 Z
+ %yyyy/%mm/%dd %hh: %mm: %ss (AM/PM)
Beispiele: 30.11.2019 13:01:01 Uhr oder 30.11.2019 13:01:01
+ %mm/%dd/%yyyy %hh: %mm: %ss
Beispiele: 30.11.2019 13:01:01 Uhr, 30.11.2019 13:01:01
+ %mm/%dd/%yy %hh: %mm: %ss
Beispiele: 30.11.19 13:01:01 Uhr, 30.11.19 13:01:01
Amazon Fraud Detector geht bei der Analyse von date/timestamp Formaten für Ereigniszeitstempel von den folgenden Annahmen aus:
+ Wenn Sie den ISO 8601-Standard verwenden, muss dieser exakt mit der vorherigen Spezifikation übereinstimmen
+ Wenn Sie eines der anderen Formate verwenden, gibt es zusätzliche Flexibilität:
+ Für Monate und Tage können Sie ein- oder zweistellige Zahlen angeben. Zum Beispiel ist der 12.01.2019 ein gültiges Datum.
+ Sie müssen hh:mm:ss nicht angeben, wenn Sie sie nicht haben (das heißt, Sie können einfach ein Datum angeben). Sie können auch nur eine Teilmenge von Stunden und Minuten angeben (z. B. hh:mm). Die bloße Angabe von Stunden wird nicht unterstützt. Millisekunden werden ebenfalls nicht unterstützt.
+ Wenn Sie AM/PM Beschriftungen angeben, wird von einer 12-Stunden-Uhr ausgegangen. Liegen keine AM/PM Informationen vor, wird von einer 24-Stunden-Uhrzeit ausgegangen.
+ Sie können „/“ oder „-“ als Trennzeichen für die Datumselemente verwenden. Für die Zeitstempelelemente wird „:“ vorausgesetzt.
## Stichprobenahme Ihres Datensatzes im Laufe der Zeit
Wir empfehlen Ihnen, Beispiele für Betrug und legitime Stichproben aus demselben Zeitraum anzugeben. Wenn Sie beispielsweise Betrugsereignisse aus den letzten 6 Monaten angeben, sollten Sie auch legitime Ereignisse angeben, die sich gleichmäßig über denselben Zeitraum erstrecken. Wenn Ihr Datensatz eine sehr ungleichmäßige Verteilung von Betrugsfällen und legitimen Ereignissen enthält, erhalten Sie möglicherweise die folgende Fehlermeldung: *„Die Betrugsverteilung im Zeitverlauf schwankt inakzeptabel. Der Datensatz kann nicht richtig aufgeteilt werden.“* In der Regel besteht die einfachste Lösung für diesen Fehler darin, sicherzustellen, dass Betrugsfälle und legitime Ereignisse gleichmäßig über denselben Zeitraum erfasst werden. Möglicherweise müssen Sie auch Daten entfernen, wenn Sie innerhalb eines kurzen Zeitraums einen starken Anstieg der Betrugsfälle festgestellt haben.
Wenn Sie nicht genügend Daten generieren können, um einen gleichmäßig verteilten Datensatz zu erstellen, besteht ein Ansatz darin, die EVENT\$1TIMESTAMP Ihrer Ereignisse nach dem Zufallsprinzip so zu ordnen, dass sie gleichmäßig verteilt sind. Dies führt jedoch häufig dazu, dass Leistungskennzahlen unrealistisch sind, da Amazon Fraud Detector EVENT\$1TIMESTAMP verwendet, um Modelle für die entsprechende Teilmenge von Ereignissen in Ihrem Datensatz auszuwerten.
## Null und fehlende Werte
Amazon Fraud Detector verarbeitet Nullwerte und fehlende Werte. Der Prozentsatz von Nullen für Variablen sollte jedoch begrenzt werden. Die Spalten EVENT\$1TIMESTAMP und EVENT\$1LABEL sollten keine fehlenden Werte enthalten.
## Überprüfung der Datei
Amazon Fraud Detector kann ein Modell nicht trainieren, wenn eine der folgenden Bedingungen ausgelöst wird:
+ Wenn die CSV-Datei nicht analysiert werden kann
+ Wenn der Datentyp für eine Spalte falsch ist
# Laden Sie Ihre Eventdaten in einen Amazon S3 S3-Bucket hoch
Nachdem Sie eine CSV-Datei mit Ihren Veranstaltungsdaten erstellt haben, laden Sie die Datei in Ihren Amazon S3 S3-Bucket hoch.
**Um in einen Amazon S3 S3-Bucket hochzuladen**
1. Melden Sie sich bei der an AWS-Managementkonsole und öffnen Sie die Amazon S3 S3-Konsole unter [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/).
1. Wählen Sie **Create Bucket (Bucket erstellen)** aus.
Der Assistent **Create Bucket** (Bucket erstellen) wird geöffnet.
1. Geben Sie unter **Bucket name (Bucket-Name)** einen DNS-kompatiblen Namen für Ihren Bucket ein.
Der Bucket-Name muss ...:
+ überall in Amazon S3 eindeutig sein.
+ zwischen 3 und 63 Zeichen lang sein,
+ Enthält keine Großbuchstaben.
+ mit einem Kleinbuchstaben oder einer Zahl beginnen.
Der Name eines einmal erstellten Buckets kann nicht nachträglich geändert werden. Informationen zur Benennung von [Buckets finden Sie unter Regeln zur Benennung](https://docs.aws.amazon.com/AmazonS3/latest/userguide/BucketRestrictions.html#bucketnamingrules) von Buckets im *Amazon Simple Storage Service-Benutzerhandbuch*.
**Wichtig**
Vermeiden Sie, vertrauliche Informationen, wie Kontonummern, in den Bucket-Namen einzubeziehen. Der Bucket-Name ist in dem Punkt sichtbar URLs , auf den die Objekte im Bucket verweisen.
1. Wählen Sie **unter Region** die AWS Region aus, in der sich der Bucket befinden soll. Sie müssen dieselbe Region auswählen, in der Sie Amazon Fraud Detector verwenden, d. h. USA Ost (Nord-Virginia), USA Ost (Ohio), USA West (Oregon), Europa (Irland), Asien-Pazifik (Singapur) oder Asien-Pazifik (Sydney).
1. Wählen Sie unter **Bucket settings for Block Public Access (Bucket-Einstellungen für den öffentlichen Zugriff)** die Einstellungen für den öffentlichen Zugriff aus, die Sie auf den Bucket anwenden möchten.
Wir empfehlen, dass Sie alle Einstellungen aktiviert lassen. Weitere Informationen zum Sperren des öffentlichen Zugriffs finden Sie unter [Sperren des öffentlichen Zugriffs auf Ihren Amazon S3 S3-Speicher](https://docs.aws.amazon.com/AmazonS3/latest/dev/access-control-block-public-access.html) im *Amazon Simple Storage Service-Benutzerhandbuch*.
1. Wählen Sie **Create Bucket** (Bucket erstellen) aus.
1. Laden Sie die Trainingsdatendatei in Ihren Amazon S3 S3-Bucket hoch. Notieren Sie sich den Amazon S3 S3-Speicherpfad für Ihre Trainingsdatei (z. B. s3://bucketname/object.csv).