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.
# Archivia i dati degli eventi esternamente con Amazon S3
Se stai addestrando un modello Online Fraud Insights, puoi scegliere di archiviare i dati degli eventi esternamente con Amazon S3. Per archiviare i dati degli eventi in Amazon S3, devi prima creare un file di testo in formato CSV, aggiungere i dati dell'evento e quindi caricare il file CSV in un bucket Amazon S3.
**Nota**
I tipi di modello **Transaction Fraud Insights** e **Account Takeover Insights** non supportano set di dati archiviati esternamente con Amazon S3.
# Crea un file CSV
Amazon Fraud Detector richiede che la prima riga del file CSV contenga le intestazioni delle colonne. Le intestazioni delle colonne nel file CSV devono corrispondere alle variabili definite nel tipo di evento. Per un set di dati di esempio, vedi [Ottieni e carica un set di dati di esempio](step-1-get-s3-data.md)
Il modello Online Fraud Insights richiede un set di dati di addestramento con almeno 2 variabili e fino a 100 variabili. Oltre alle variabili degli eventi, il set di dati di addestramento deve contenere le seguenti intestazioni:
+ EVENT\$1TIMESTAMP - Definisce quando si è verificato l'evento
+ EVENT\$1LABEL: classifica l'evento come fraudolento o legittimo. I valori nella colonna devono corrispondere ai valori definiti nel tipo di evento.
I seguenti dati CSV di esempio rappresentano gli eventi di registrazione storici di un commerciante online:
```
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
```
**Nota**
Il file di dati CSV può contenere virgolette e virgole come parte dei dati.
Di seguito è riportata una versione semplificata del tipo di evento corrispondente. Le variabili di evento corrispondono alle intestazioni del file CSV e i valori in essi `EVENT_LABEL` corrispondono ai valori nell'elenco delle etichette.
```
(
name = 'sample_registration',
eventVariables = ['ip_address', 'email_address'],
labels = ['legit', 'fraud'],
entityTypes = ['sample_customer']
)
```
## Formati di timestamp degli eventi
Assicurati che il timestamp dell'evento sia nel formato richiesto. Come parte del processo di creazione del modello, il tipo di modello Online Fraud Insights ordina i dati in base al timestamp dell'evento e li divide per scopi di formazione e test. Per ottenere una stima corretta delle prestazioni, il modello prima si addestra sul set di dati di addestramento, quindi testa questo modello sul set di dati di test.
Amazon Fraud Detector supporta i seguenti date/timestamp formati per i valori utilizzati `EVENT_TIMESTAMP` durante la formazione dei modelli:
+ %yyyy-%mm-%ddt%hH: %mm: %ssZ (standard ISO 8601 solo in UTC senza millisecondi)
Esempio: 2019-11-30T 13:01:01 Z
+ %yyyy/%mm/%dd %hh: %mm: %ss (AM/PM)
Esempi: 2019/11/30 13:01:01 PM o 2019/11/30 13:01:01
+ %mm/%dd/%yyyy %hh: %mm: %ss
Esempi: 30/11/2019 13:01:01 PM, 30/11/2019 13:01:01
+ %mm/%dd/%yy %h: %mm: %ss
Esempi: 30/11/19 1:01:01 PM, 30/11/19 13:01:01
Amazon Fraud Detector fa i seguenti presupposti quando analizza i date/timestamp formati per i timestamp degli eventi:
+ Se utilizzi lo standard ISO 8601, deve corrispondere esattamente alla specifica precedente
+ Se si utilizza uno degli altri formati, è disponibile una flessibilità aggiuntiva:
+ Per mesi e giorni, puoi fornire cifre singole o doppie. Ad esempio, 1/12/2019 è una data valida.
+ Non è necessario includere hh:mm:ss se non li hai (ovvero, puoi semplicemente fornire una data). Puoi anche fornire un sottoinsieme di sole ore e minuti (ad esempio, hh:mm). La semplice indicazione dell'ora non è supportata. Inoltre, i millisecondi non sono supportati.
+ Se si forniscono AM/PM etichette, si presuppone un orologio a 12 ore. Se non ci sono AM/PM informazioni, si presume un orologio a 24 ore.
+ È possibile utilizzare «/» o «-» come delimitatori per gli elementi di data. Si presume «:» per gli elementi del timestamp.
## Campionamento del set di dati nel tempo
Ti consigliamo di fornire esempi di frode e campioni legittimi nello stesso intervallo di tempo. Ad esempio, se fornisci eventi fraudolenti degli ultimi 6 mesi, dovresti fornire anche eventi legittimi che coprano in modo uniforme lo stesso periodo di tempo. Se il tuo set di dati contiene una distribuzione molto disomogenea di frodi ed eventi legittimi, potresti ricevere il seguente errore: *«La distribuzione delle frodi nel tempo è eccessivamente fluttuante. Impossibile dividere correttamente il set di dati».* In genere, la soluzione più semplice per questo errore consiste nel garantire che gli eventi fraudolenti e gli eventi legittimi vengano campionati in modo uniforme nello stesso periodo di tempo. Potrebbe inoltre essere necessario rimuovere i dati se si è verificato un forte picco di frodi in un breve periodo di tempo.
Se non riesci a generare dati sufficienti per creare un set di dati distribuito in modo uniforme, un approccio consiste nel randomizzare EVENT\$1TIMESTAMP dei tuoi eventi in modo che siano distribuiti uniformemente. Tuttavia, ciò comporta spesso che le metriche delle prestazioni non siano realistiche perché Amazon Fraud Detector utilizza EVENT\$1TIMESTAMP per valutare i modelli sul sottoinsieme appropriato di eventi nel set di dati.
## Valori nulli e mancanti
Amazon Fraud Detector gestisce i valori nulli e mancanti. Tuttavia, la percentuale di valori nulli per le variabili dovrebbe essere limitata. Le colonne EVENT\$1TIMESTAMP e EVENT\$1LABEL non devono contenere valori mancanti.
## Convalida dei file
Amazon Fraud Detector non riuscirà ad addestrare un modello se si verifica una delle seguenti condizioni:
+ Se il file CSV non può essere analizzato
+ Se il tipo di dati per una colonna non è corretto
# Carica i dati degli eventi in un bucket Amazon S3
Dopo aver creato un file CSV con i dati dell'evento, carica il file nel tuo bucket Amazon S3.
**Per caricare su un bucket Amazon S3**
1. Accedi a Console di gestione AWS e apri la console Amazon S3 all'indirizzo. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)
1. Scegliere **Create bucket (Crea bucket)**.
Si apre la procedura guidata **Create bucket (Crea bucket)**.
1. In **Bucket name (Nome bucket)**, immettere un nome conforme a DNS per il bucket.
Il nome del bucket deve:
+ Essere univoco in tutto Amazon S3.
+ Deve contenere da 3 a 63 caratteri
+ Non contiene caratteri maiuscoli.
+ Iniziare con una lettera minuscola o un numero.
Una volta creato il bucket, non è possibile modificarne il nome. Per informazioni sulla denominazione dei bucket, consulta le regole di [denominazione dei bucket nella](https://docs.aws.amazon.com/AmazonS3/latest/userguide/BucketRestrictions.html#bucketnamingrules) *Amazon Simple Storage* Service User Guide.
**Importante**
Evitare di includere informazioni riservate, ad esempio numeri di account, nel nome del bucket. Il nome del bucket è visibile in URLs quel punto agli oggetti nel bucket.
1. In **Regione**, scegli la AWS regione in cui desideri che risieda il bucket. Devi selezionare la stessa regione in cui utilizzi Amazon Fraud Detector, ovvero Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio), Stati Uniti occidentali (Oregon), Europa (Irlanda), Asia Pacifico (Singapore) o Asia Pacifico (Sydney).
1. In **Bucket settings for Block Public Access (Impostazioni bucket per blocco dell'accesso pubblico)**, scegliere le impostazioni del blocco dell'accesso pubblico che si desidera applicare al bucket.
Ti consigliamo di lasciare tutte le impostazioni abilitate. Per ulteriori informazioni sul blocco dell'accesso pubblico, consulta [Bloccare l'accesso pubblico allo storage Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/dev/access-control-block-public-access.html) nella Guida per l'*utente di Amazon Simple Storage Service*.
1. Seleziona **Crea bucket**.
1. Carica il file dei dati di allenamento nel tuo bucket Amazon S3. Prendi nota del percorso di localizzazione di Amazon S3 per il tuo file di formazione (ad esempio, s3://bucketname/object.csv).