Amazon Fraud Detector は、2025 年 11 月 7 日をもって新規顧客に公開されなくなりました。Amazon Fraud Detector と同様の機能については、Amazon SageMaker、AutoGluon、および を参照してください AWS WAF。
翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# Amazon Fraud Detector とは
Amazon Fraud Detector は、オンラインでの不正行為の可能性の検出を自動化するフルマネージド型の不正検出サービスです。これらのアクティビティには、不正なトランザクションやフェイクアカウントの作成が含まれます。Amazon Fraud Detector は、機械学習を使用してデータを分析することで機能します。これは、Amazon での 20 年以上にわたる不正検出の実績ある専門知識を基に構築されています。
Amazon Fraud Detector を使用して、カスタマイズされた不正検出モデルを構築し、モデルの不正評価を解釈する決定ロジックを追加し、可能な不正評価ごとに合格または送信などの結果をレビューに割り当てることができます。Amazon Fraud Detector では、不正行為を検出するために機械学習の専門知識は必要ありません。
開始するには、組織で収集した不正データを収集して準備します。次に、Amazon Fraud Detector はこのデータを使用して、ユーザーに代わってカスタム不正検出モデルをトレーニング、テスト、デプロイします。このプロセスの一環として、Amazon Fraud Detector は、 から不正パターンを学習した機械学習モデル AWS と Amazon 独自の不正専門知識を使用して、不正データを評価し、モデルスコアとモデルパフォーマンスデータを生成します。モデルのスコアを解釈し、各不正評価の処理方法の結果を割り当てるように決定ロジックを設定します。
# 利点
Amazon Fraud Detector には以下の利点があります。これらの利点により、不正管理システムの構築と維持に従来必要な時間とリソースを費やすことなく、不正を迅速に検出できます。
**不正モデルの自動作成**
Amazon Fraud Detector の不正検出モデルは、特定のビジネスニーズに合わせてカスタマイズされた完全に自動化された機械学習モデルです。Amazon Fraud Detector モデルを使用すると、新しいアカウントの作成、オンライン支払い、ゲストチェックアウトなどのオンライントランザクションで潜在的な不正を特定できます。
不正モデルは自動化されたプロセスによって作成されるため、モデルの作成とトレーニングに関連する多くのステップは省略できます。これらのステップには、データの検証とエンリッチメント、特徴量エンジニアリング、アルゴリズムの選択、ハイパーパラメータの調整、モデルのデプロイが含まれます。
Amazon Fraud Detector を使用して不正検出モデルを作成するには、会社の過去の不正データセットをアップロードし、モデルタイプのみを選択します。次に、Amazon Fraud Detector はユースケースに最適な不正検出アルゴリズムを自動的に検出し、モデルを作成します。不正検出モデルを作成するために、コーディングを知っている必要や機械学習の専門知識を持っている必要はありません。
**進化して学習する不正モデル**
不正検出モデルは、変化する不正の状況に対応するために絶えず進化する必要があります。Amazon Fraud Detector は、アカウント経過時間、前回のアクティビティからの時間、アクティビティ数などの情報を計算することで、これを自動的に行います。その結果、頻繁に取引を行う信頼された顧客と、不正行為者に典型的な試みが続くことの違いをモデルが学習します。これにより、再トレーニングセッション間でモデルのパフォーマンスをより長く維持できます。
**不正モデルのパフォーマンスの視覚化**
指定したデータを使用してモデルがトレーニングされると、Amazon Fraud Detector はモデルのパフォーマンスを検証します。また、パフォーマンスを評価するためのビジュアルツールも提供します。トレーニングするモデルごとに、モデルのパフォーマンススコア、スコア分布グラフ、混同行列、しきい値テーブル、およびモデルのパフォーマンスへの影響によってランク付けされたすべての入力を確認できます。これらのパフォーマンスツールを使用して、モデルのパフォーマンスと、モデルのパフォーマンスを高めている入力を確認できます。必要に応じて、モデルを微調整して全体的なパフォーマンスを向上させることができます。
**不正予測**
Amazon Fraud Detector は、組織のビジネス活動の不正予測を生成します。不正予測は、不正リスクのビジネスアクティビティの評価です。Amazon Fraud Detector は、アクティビティに関連付けられたデータを含む予測ロジックを使用して予測を生成します。このデータは、不正検出モデルの作成時に指定しました。1 つのアクティビティの不正予測をリアルタイムで取得したり、一連のアクティビティの不正予測をオフラインにしたりできます。
**不正予測の説明の視覚化**
Amazon Fraud Detector は、不正予測プロセスの一環として予測の説明を生成します。予測の説明は、モデルのトレーニングに使用された各データ要素がモデルの不正予測スコアにどのように影響したかについてのインサイトを提供します。予測の説明は、テーブルやグラフなどのビジュアルツールを使用して提供されます。これらのツールを使用して、各データ要素が予測スコアにどの程度影響しているかを視覚的に識別できます。次に、この情報を使用して、データセット全体の不正パターンを分析し、バイアスがあれば検出できます。最後に、予測の説明を使用して、手動の不正調査プロセス中にトップリスク指標を特定することもできます。これにより、誤検出予測につながる根本原因を絞り込むことができます。
**ルールベースのアクション**
不正検出モデルのトレーニングが完了したら、ルールを追加して、評価されたデータに対してデータの承認、レビューのためのデータの送信、データの収集などのアクションを実行できます。ルールは、不正予測中にデータを解釈する方法を Amazon Fraud Detector に指示する条件です。例えば、疑わしい顧客アカウントのレビュー対象にフラグを付けるルールを作成できます。検出されたモデルスコアが事前に決定されたしきい値よりも大きく、アカウント支払いの認可コード (AUTH\$1CODE) が有効でない場合に、このルールを開始するように設定できます。
# 主要概念と用語
以下は、Amazon Fraud Detector で使用される主要な概念と用語のリストです。
**イベント**
イベントは、不正リスクについて評価される組織のビジネスアクティビティです。Amazon Fraud Detector は、イベントの不正予測を生成します。
**ラベル**
ラベルは、1 つのイベントを不正または正当として分類します。ラベルは、Amazon Fraud Detector で機械学習モデルをトレーニングするために使用されます。
**エンティティ**
エンティティは、イベントを実行しているユーザーを表します。イベントを実行した特定のエンティティを示すために、会社の不正データの一部としてエンティティ ID を指定します。
**イベントタイプ**
イベントタイプは、Amazon Fraud Detector に送信されるイベントの構造を定義します。これには、イベントの一部として送信されるデータ、イベントを実行するエンティティ (顧客など）、イベントを分類するラベルが含まれます。イベントタイプの例には、オンライン支払いトランザクション、アカウント登録、認証などがあります。
**エンティティタイプ**
エンティティタイプは、エンティティを分類します。分類の例には、顧客、マーチャント、アカウントなどがあります。
**イベントデータセット**
イベントデータセットは、特定のビジネスアクティビティまたはイベントの会社の履歴データです。例えば、会社のイベントがオンラインアカウント登録である場合があります。1 つのイベント (登録) からのデータには、関連付けられた IP アドレス、E メールアドレス、請求先アドレス、イベントタイムスタンプが含まれる場合があります。Amazon Fraud Detector にイベントデータセットを提供して、不正検出モデルを作成およびトレーニングします。
**モデル**
モデルは機械学習アルゴリズムの出力です。これらのアルゴリズムはコードに実装され、指定したイベントデータで実行されます。
**モデルタイプ**
モデルタイプは、モデルトレーニング中に使用されるアルゴリズム、エンリッチメント、および特徴変換を定義します。また、モデルをトレーニングするためのデータ要件も定義します。これらの定義は、特定のタイプの不正に対してモデルを最適化するために機能します。モデルの作成時に使用するモデルタイプを指定します。
**モデルトレーニング**
モデルトレーニングは、提供されたイベントデータセットを使用して、不正なイベントを予測できるモデルを作成するプロセスです。モデルトレーニングプロセスのすべてのステップは完全に自動化されています。これらのステップには、データ検証、データ変換、特徴量エンジニアリング、アルゴリズムの選択、モデルの最適化が含まれます。
**モデルスコア**
モデルスコアは、会社の過去の不正データの評価結果です。モデルトレーニングプロセス中、Amazon Fraud Detector はデータセットの不正行為を評価し、0 から 1000 までのスコアを生成します。このスコアでは、0 は低い不正リスクを表し、1000 は最も高い不正リスクを表します。スコア自体は誤検出率 (FPR) に直接関係しています。
**モデルバージョン**
モデルバージョンは、モデルのトレーニングからの出力です。
**モデルのデプロイ**
モデルデプロイは、モデルバージョンをアクティブ化し、不正予測を生成できるようにするプロセスです。
**Amazon SageMaker AI モデルエンドポイント**
Amazon Fraud Detector を使用してモデルを構築するだけでなく、オプションで Amazon Fraud Detector の評価で SageMaker AI がホストするモデルエンドポイントを使用することもできます。
SageMaker AI でモデルを構築する方法の詳細については、「 [でモデルをトレーニング Amazon SageMaker AI](https://docs.aws.amazon.com/en_pv/sagemaker/latest/dg/train-model)する」を参照してください。
**ディテクター**
ディテクターには、不正について評価する特定のイベントのモデルやルールなどの検出ロジックが含まれています。モデルバージョンを使用してディテクターを作成します。
**ディテクターバージョン**
ディテクターは複数のバージョンを持つことができ、各バージョンのステータスは `Draft`、`Active`、または `Inactive` になります。一度に 1 つのディテクターバージョンのみが `Active` ステータスになることができます。
**変数**
変数は、不正予測で使用するイベントに関連付けられたデータ要素を表します。変数は、不正予測の一部としてイベントとともに送信することも、Amazon Fraud Detector モデルの出力や など、派生させることもできます Amazon SageMaker AI。
**ルール**
ルールは、不正予測時に変数値の解釈方法を Amazon Fraud Detector に指示する条件です。ルールは、1 つ以上の変数、論理式、および 1 つ以上の結果で構成されています。ルールで使用される変数は、ディテクターが評価するイベントデータセットの一部である必要があります。さらに、各ディテクターには少なくとも 1 つのルールが関連付けられている必要があります。
**結果**
これは、不正予測の結果または出力です。不正予測で使用される各ルールは、1 つ以上の結果を指定する必要があります。
**不正予測**
不正予測は、1 つのイベントまたは一連のイベントに対する不正の評価です。Amazon Fraud Detector は、ルールに基づいてモデルスコアと結果を同期的に提供することで、単一のオンラインイベントの不正予測をリアルタイムで生成します。Amazon Fraud Detector は、一連のイベントの不正予測をオフラインで生成します。予測を使用して、オフラインproof-of-conceptを実行したり、不正リスクを時間単位、日単位、または週単位で遡及的に評価したりできます。
**不正予測の説明**
不正予測の説明は、各変数がモデルの不正予測スコアにどのように影響したかについてのインサイトを提供します。各変数がリスクスコアにどのように影響するかについて、大きさ (0～5 の範囲、5 が最高) と方向 (スコアを上下に動かす) の観点から情報を提供します。
# Amazon Fraud Detector の仕組み
Amazon Fraud Detector は、ビジネスにおける潜在的な不正なオンラインアクティビティを検出するようにカスタマイズされた機械学習モデルを構築します。開始するには、ビジネスユースケースを指定します。ビジネスユースケースに応じて、Amazon Fraud Detector は不正検出モデルの作成に使用するモデルタイプを推奨します。さらに、ビジネスの履歴データの一部として提供する必要があるデータ要素に関するインサイトも提供します。Amazon Fraud Detector は、履歴データセットを使用して、カスタマイズされたモデルを自動的に作成してトレーニングします。
自動モデルトレーニングプロセスには、特定のビジネスユースケースの不正を検出する機械学習アルゴリズムの選択、提供したデータの検証、モデルのパフォーマンスを向上させるためのデータ操作の実行が含まれます。モデルをトレーニングすると、Amazon Fraud Detector はモデルスコアやその他のモデルパフォーマンスメトリクスを生成します。スコアとパフォーマンスメトリクスを使用して、モデルのパフォーマンスを評価できます。必要に応じて、トレーニング用に指定したデータセットからデータ要素を追加または削除し、モデルを再トレーニングしてモデルスコアを向上させることができます。
モデルを作成、トレーニング、アクティブ化したら、ビジネスによって生成されたデータの解釈方法をモデルに指示するルールとも呼ばれる決定ロジックを設定し、各アクティビティの解釈方法の結果を割り当てる必要があります。結果は、アクティビティの承認やレビューなどのアクションを表すことも、高リスク、中リスク、低リスクなどのアクティビティのリスクレベルを表すこともできます。
ディテクターは、モデルと関連するルールを保持するコンテナです。ディテクターを作成、テストし、本番環境にデプロイする必要があります。
本番環境にデプロイされたディテクターは、ビジネスアプリケーションに不正検出機能を提供します。不正評価を実行するために、モデルはビジネスアクティビティから受信したすべてのデータをビジネスの履歴データと比較し、その高度な機械学習アルゴリズムを作成したルールを使用して結果を分析し、結果を割り当てます。Amazon Fraud Detector を使用すると、1 つのビジネスアクティビティからのデータをリアルタイムで評価することも、複数のビジネスアクティビティからのデータをオフラインで評価することもできます。
アクティビティの 1 つとしてオンライン資金の送金を行う企業があるとします。Amazon Fraud Detector を使用して、資金送金の不正なリクエストをリアルタイムで検出したい。開始するには、まず Amazon Fraud Detector に過去の資金送金リクエストのデータを提供する必要があります。Amazon Fraud Detector は、このデータを使用して、資金振替の不正なリクエストを検出するようにカスタマイズされたモデルを作成およびトレーニングします。次に、モデルを追加し、データを解釈するようにモデルのルールを設定して、ディテクターを作成します。オンライン資金振替アクティビティのルールの例としては、資金振替のリクエストが *xyz@example.com* の E メールアドレスから送信されている場合は、レビューリクエストを送信できます。ビジネスの本番環境では、資金移管のリクエストが入ると、モデルはリクエストに付随したデータを分析し、ルールを使用して結果を割り当てます。その後、割り当てられた結果に応じて、リクエストに対してアクションを実行できます。
Amazon Fraud Detector は、トレーニングデータセット、モデル、ディテクター、ルール、結果などのコンポーネントを使用して、ビジネスに不正評価ロジックを提供します。
Amazon Fraud Detector を使用して不正を検出するために使用するワークフローについては、「」を参照してください。 [Amazon Fraud Detector による不正の検出](frauddetector-workflow.md)
# Amazon Fraud Detector による不正の検出
このセクションでは、Amazon Fraud Detector で不正を検出するための一般的なワークフローについて説明します。また、これらのタスクを実行する方法についてもまとめています。次の図は、Amazon Fraud Detector で不正を検出するためのワークフローの概要を示しています。
![\[Amazon Fraud Detector 不正検出ワークフローの画像\]](http://docs.aws.amazon.com/ja_jp/frauddetector/latest/ug/images/FraudDetectionWorkflowFinal.png)
不正検出は継続的なプロセスです。モデルをデプロイしたら、予測の説明に基づいてそのパフォーマンススコアとメトリクスを必ず評価してください。これにより、トップリスク指標を特定し、誤検出につながる根本原因を絞り込み、データセット全体の不正パターンを分析し、存在する場合はバイアスを検出できます。予測の精度を高めるために、データセットを微調整して新規または改訂されたデータを含めることができます。その後、更新されたデータセットを使用してモデルを再トレーニングできます。より多くのデータが利用可能になったら、精度を高めるためにモデルの再トレーニングを続けます。
# Amazon Fraud Detector へのアクセス
Amazon Fraud Detector は複数の で利用 AWS リージョン でき、 AWS インターフェイスを使用してアクセスできます。
## 可用性
Amazon Fraud Detector は、米国東部 (バージニア北部）、米国東部 (オハイオ）、米国西部 (オレゴン）、欧州 (アイルランド）、アジアパシフィック (シンガポール）、アジアパシフィック (シドニー) で利用できます AWS リージョン。
## インターフェイス
次のいずれかのインターフェイスを使用して、不正検出モデルとディテクターを作成、トレーニング、デプロイ、テスト、実行、管理できます。
**AWS マネジメントコンソール** - Amazon Fraud Detector は、ウェブベースのユーザーインターフェイスである Amazon Fraud Detector コンソールを提供します。にサインアップすると AWS アカウント、Amazon Fraud Detector コンソールにアクセスできます。詳細については、[「Amazon Fraud Detector のセットアップ](https://docs.aws.amazon.com/frauddetector/latest/ug/set-up.html)」を参照してください。
**AWS Command Line Interface （AWS CLI）** - コマンドラインシェルのコマンドを使用して AWS のサービス、Amazon Fraud Detector を含むさまざまな のセットとやり取りするために使用できるインターフェイスを提供します。Amazon Fraud Detector の AWS CLI コマンドは、Amazon Fraud Detector コンソールで提供される機能と同等の機能を実装します。
**AWS SDK ** - 言語固有の APIs を提供し、署名の計算、リクエストの再試行処理、エラー処理など、接続の詳細の多くを管理します。詳細については、[「構築するツール AWS](https://aws.amazon.com/tools/)」ページに移動し、**SDK** セクションまで下にスクロールし、プラス記号 (\$1) を選択してセクションを展開します。
**AWS CloudFormation** - Amazon Fraud Detector のリソースとプロパティの定義に使用できるテンプレートを提供します。詳細については、「 AWS CloudFormation ユーザーガイド」の[「Amazon Fraud Detector リソースタイプのリファレンス](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/AWS_FraudDetector.html)」を参照してください。
# 料金
Amazon Fraud Detector では、使用した分に対してのみ料金が発生します。最低料金や前払いの義務はありません。モデルのトレーニングとホストに使用されたコンピューティング時間、使用するストレージの量、および行った不正予測の量に基づいて課金されます。詳細については、[「Amazon Fraud Detector の料金](https://aws.amazon.com/fraud-detector/pricing/)」を参照してください。