Amazon Fraud Detector non è più aperto a nuovi clienti a partire dal 7 novembre 2025. Per funzionalità simili a Amazon Fraud Detector, esplora Amazon SageMaker AutoGluon, e. AWS WAF

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Crea un rilevatore
<a name="create-a-detector"></a>

Create un rilevatore specificando il tipo di evento che avete già definito. Facoltativamente, puoi aggiungere un modello già addestrato e distribuito da Amazon Fraud Detector. Se aggiungi un modello, puoi utilizzare il punteggio del modello generato da Amazon Fraud Detector nell'espressione della regola durante la creazione di una regola (ad esempio,`$model score < 90`).

 Puoi creare un rilevatore nella console Amazon Fraud Detector, utilizzando [PutDetector](https://docs.aws.amazon.com//frauddetector/latest/api/API_PutDetector.html)l'API, utilizzando il comando put-detector o utilizzando [l'](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/frauddetector/put-detector.html)SDK. AWS Se utilizzi API, comando o SDK per creare un rilevatore, dopo averlo creato segui le istruzioni per. [Crea una versione del rilevatore](create-a-detector-version.md) 

## Crea un rilevatore nella console Amazon Fraud Detector
<a name="create-detector-console"></a>

Questo esempio presuppone che tu abbia creato un tipo di evento e che tu abbia anche creato e distribuito una versione del modello che desideri utilizzare per la previsione delle frodi.

### Fase 1: Costruisci un rilevatore
<a name="step-1-build-detector-console"></a>

1. **Nel riquadro di navigazione a sinistra della console Amazon Fraud Detector, scegli Detectors.**

1. Scegli **Crea rilevatore**.

1. Nella pagina **Definisci i dettagli del rilevatore**, inserisci `sample_detector` il nome del rilevatore. Facoltativamente, inserisci una descrizione per il rilevatore, ad esempio. `my sample fraud detector`

1. Per **Tipo di evento**, seleziona il tipo di evento che hai creato per la previsione delle frodi.

1. Scegli **Next (Successivo)**. 

### Fase 2: Aggiungere una versione del modello distribuita
<a name="add-deployed-model-console"></a>

1. Tieni presente che questo passaggio è facoltativo. Non è necessario aggiungere un modello al rilevatore. Per saltare questo passaggio, scegli **Next** (Successivo).

1. Nel campo **Aggiungi modello, facoltativo**, scegli **Aggiungi modello**.

1. Nella pagina **Aggiungi modello**, per **Seleziona modello, scegli il nome del modello** Amazon Fraud Detector che hai distribuito in precedenza. Per **Select version**, scegli la versione del modello distribuito.

1. Scegliere **Add model (Aggiungi modello)**.

1. Scegli **Next (Successivo)**.

### Fase 3: Aggiungere regole
<a name="add-rules-to-detector-console"></a>

Una regola è una condizione che indica ad Amazon Fraud Detector come interpretare i valori delle variabili durante la valutazione della previsione delle frodi. Questo esempio creerà tre regole utilizzando i punteggi del modello come valori variabili:`high_fraud_risk`, `medium_fraud_risk` e. `low_fraud_risk` Per creare regole, espressioni di regole, ordine di esecuzione delle regole e risultati personalizzati, utilizzate valori appropriati per il modello e il caso d'uso.

1. Nella pagina **Aggiungi regole**, in **Definisci una regola**, inserisci `high_fraud_risk` il nome della regola e in **Descrizione (facoltativo)**, inserisci **This rule captures events with a high ML model score** come descrizione per la regola.

1. In **Expression**, inserisci la seguente espressione di regola utilizzando il linguaggio di espressione delle regole semplificato di Amazon Fraud Detector:

   `$sample_fraud_detection_model_insightscore > 900`

1. **In **Risultati**, scegli Crea un nuovo risultato.** Un risultato è il risultato di una previsione di frode e viene restituito se la regola corrisponde durante una valutazione. 

1. In **Crea un nuovo risultato**, inserisci `verify_customer` come nome del risultato. Facoltativamente, inserisci una descrizione.

1. Scegli **Salva risultato.** 

1. Scegli **Aggiungi regola** per eseguire il controllo di convalida delle regole e salvare la regola. Dopo la creazione, Amazon Fraud Detector rende la regola disponibile per l'uso nel tuo rilevatore.

1. Scegli **Aggiungi un'altra regola**, quindi scegli la scheda **Crea regola**. 

1. Ripeti questa procedura altre due volte per creare le tue `low_fraud_risk` regole `medium_fraud_risk` e utilizzando i seguenti dettagli della regola: 
   + rischio\_fraud\_medio

     Nome della regola: `medium_fraud_risk`

     Risultato: `review`

     Espressione:

     `$sample_fraud_detection_model_insightscore <= 900 and`

     `$sample_fraud_detection_model_insightscore > 700`
   + low\_fraud\_risk

     Nome della regola: `low_fraud_risk`

     Risultato: `approve`

     Espressione:

     `$sample_fraud_detection_model_insightscore <= 700`

1. Dopo aver creato tutte le regole per il tuo caso d'uso, scegli **Avanti**. 

   Per ulteriori informazioni sulla creazione e la scrittura di regole, consulta [Regole](rules.md) e[Linguaggio di riferimento delle regole](rule-language-reference.md).

### Fase 4: Configurare l'esecuzione e l'ordine delle regole
<a name="get-start-define-rule-order-console"></a>

La modalità di esecuzione delle regole incluse nel rilevatore determina se tutte le regole definite vengono valutate o se la valutazione delle regole si interrompe alla prima regola corrispondente. Inoltre, l'ordine delle regole determina l'ordine in cui si desidera che la regola venga eseguita. 

La modalità di esecuzione delle regole predefinita è`FIRST_MATCHED`. 

**Prima abbinata**  
La modalità di esecuzione della prima regola corrispondente restituisce i risultati della prima regola corrispondente in base all'ordine delle regole definito. Se si specifica `FIRST_MATCHED`, Amazon Fraud Detector valuta le regole in sequenza, dalla prima all'ultima, fermandosi alla prima regola corrispondente. Amazon Fraud Detector fornisce quindi i risultati per quella singola regola.   
L'ordine in cui vengono eseguite le regole può influire sul risultato della previsione delle frodi che ne risulta. Dopo aver creato le regole, riordina le regole per eseguirle nell'ordine desiderato seguendo questi passaggi:   
Se la `high_fraud_risk` regola non è già in cima all'elenco delle regole, scegli **Ordina**, quindi scegli **1**. Si `high_fraud_risk` sposta nella prima posizione.  
Ripeti questo processo in modo che la tua `medium_fraud_risk` regola sia in seconda posizione e la tua `low_fraud_risk` regola sia in terza posizione.

**Tutti abbinati**  
La modalità di esecuzione di tutte le regole corrispondenti restituisce i risultati per tutte le regole corrispondenti, indipendentemente dall'ordine delle regole. Se lo specifichi`ALL_MATCHED`, Amazon Fraud Detector valuta tutte le regole e restituisce i risultati per tutte le regole corrispondenti.

**Seleziona `FIRST_MATCHED` per questo tutorial, quindi scegli Avanti.**

### Passaggio 5: rivedere e creare la versione del rilevatore
<a name="get-start-review-and-create-detector-version-console"></a>

Una versione del rilevatore definisce i modelli e le regole specifici utilizzati per generare previsioni di frode.

1. Nella pagina **Rivedi e crea**, esamina i dettagli, i modelli e le regole del rilevatore che hai configurato. Se devi apportare modifiche, scegli **Modifica** accanto alla sezione corrispondente.

1. Scegli **Crea rilevatore**. Dopo la creazione, la prima versione del rilevatore viene visualizzata nella tabella Versioni del rilevatore con lo stato. `Draft`

   Utilizzate la versione **Draft** per testare il vostro Detector.

## Crea un rilevatore usando il AWS SDK per Python (Boto3)
<a name="create-a-detector-using-the-aws-python-sdk"></a>

L'esempio seguente mostra un esempio di richiesta per l'`PutDetector`API. Un rilevatore funge da contenitore per le versioni del rilevatore. L'`PutDetector`API specifica il tipo di evento che verrà valutato dal rilevatore. L'esempio seguente presuppone che tu abbia creato un tipo di evento. `sample_registration`

```
import boto3
fraudDetector = boto3.client('frauddetector')

fraudDetector.put_detector (
detectorId = 'sample_detector',
eventTypeName = 'sample_registration'
)
```