Amazon Fraud Detector는 2025년 11월 7일부터 신규 고객에게 더 이상 공개되지 않습니다. Amazon Fraud Detector와 유사한 기능을 알아보려면 Amazon SageMaker, AutoGluon 및를 살펴보세요 AWS WAF.
기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Fraud Detector란 무엇입니까?
Amazon Fraud Detector는 잠재적 사기 활동의 탐지를 온라인에서 자동화하는 완전관리형 사기 탐지 서비스입니다. 이러한 활동에는 무단 트랜잭션과 가짜 계정 생성이 포함됩니다. Amazon Fraud Detector는 기계 학습을 사용하여 데이터를 분석하는 방식으로 작동합니다. 이는 Amazon에서 20년 이상 사기 탐지에 대한 노련한 전문 지식을 기반으로 하는 방식으로 수행됩니다.
Amazon Fraud Detector를 사용하여 사용자 지정 사기 감지 모델을 구축하고, 모델의 사기 평가를 해석하는 결정 로직을 추가하고, 가능한 각 사기 평가에 대한 검토를 위해 통과 또는 전송과 같은 결과를 할당할 수 있습니다. Amazon Fraud Detector를 사용하면 사기 활동을 탐지하는 데 기계 학습 전문 지식이 필요하지 않습니다.
시작하려면 조직에서 수집한 사기 데이터를 수집하고 준비합니다. 그런 다음 Amazon Fraud Detector는이 데이터를 사용하여 사용자를 대신하여 사용자 지정 사기 탐지 모델을 훈련, 테스트 및 배포합니다. 이 프로세스의 일환으로 Amazon Fraud Detector는에서 사기 패턴을 학습한 기계 학습 모델 AWS 과 Amazon의 자체 사기 전문 지식을 사용하여 사기 데이터를 평가하고 모델 점수 및 모델 성능 데이터를 생성합니다. 모델의 점수를 해석하고 각 사기 평가를 처리하는 방법에 대한 결과를 할당하도록 결정 로직을 구성합니다.
# 이점
Amazon Fraud Detector는 다음과 같은 이점을 제공합니다. 이러한 이점을 통해 사기 관리 시스템을 구축하고 유지 관리하는 데 전통적으로 필요한 시간과 리소스를 투자할 필요 없이 사기를 빠르게 감지할 수 있습니다.
**자동 사기 모델 생성**
Amazon Fraud Detector의 사기 탐지 모델은 특정 비즈니스 요구 사항에 맞게 사용자 지정된 완전 자동화된 기계 학습 모델입니다. Amazon Fraud Detector 모델을 사용하여 새 계정 생성, 온라인 결제, 게스트 체크아웃과 같은 온라인 트랜잭션에서 잠재적 사기를 식별할 수 있습니다.
사기 모델은 자동화된 프로세스를 통해 생성되므로 모델 생성 및 훈련과 관련된 많은 단계를 잊어버릴 수 있습니다. 이러한 단계에는 데이터 검증 및 보강, 기능 엔지니어링, 알고리즘 선택, 하이퍼파라미터 튜닝 및 모델 배포가 포함됩니다.
Amazon Fraud Detector를 사용하여 사기 탐지 모델을 생성하려면 회사의 과거 사기 데이터 세트만 업로드하고 모델 유형을 선택합니다. 그런 다음 Amazon Fraud Detector는 사용 사례에 가장 적합한 사기 탐지 알고리즘을 자동으로 찾아 모델을 생성합니다. 사기 탐지 모델을 생성하기 위해 코딩을 알고 있거나 기계 학습 전문 지식이 있어야 할 필요는 없습니다.
**진화하고 학습하는 사기 모델**
사기 탐지 모델은 변화하는 사기 상황을 따라잡기 위해 지속적으로 진화해야 합니다. Amazon Fraud Detector는 계정 연령, 마지막 활동 이후 경과 시간 및 활동 수를 포함한 정보를 계산하여 이를 자동으로 수행합니다. 그 결과 모델은 거래를 자주 하는 신뢰할 수 있는 고객과 사기범의 일반적인 지속적인 시도 간의 차이를 학습합니다. 이렇게 하면 재훈련 세션 간에 모델의 성능을 더 오래 유지할 수 있습니다.
**사기 모델 성능 시각화**
제공한 데이터를 사용하여 모델을 훈련한 후 Amazon Fraud Detector는 모델 성능을 검증합니다. 또한 성능을 평가할 수 있는 시각적 도구도 제공합니다. 훈련하는 각 모델에 대해 모델 성능 점수, 점수 분포 그래프, 혼동 행렬, 임계값 테이블 및 모델 성능에 미치는 영향에 따라 순위를 매긴 모든 입력을 볼 수 있습니다. 이러한 성능 도구를 사용하여 모델이 어떻게 수행되고 있는지, 어떤 입력이 모델 성능을 좌우하는지 알아볼 수 있습니다. 필요한 경우 모델을 조정하여 전체 성능을 개선할 수 있습니다.
**사기 예측**
Amazon Fraud Detector는 조직의 비즈니스 활동에 대한 사기 예측을 생성합니다. 사기 예측은 사기 위험에 대한 비즈니스 활동의 평가입니다. Amazon Fraud Detector는 활동과 연결된 데이터와 함께 예측 로직을 사용하여 예측을 생성합니다. 사기 탐지 모델을 생성할 때이 데이터를 제공했습니다. 단일 활동에 대한 사기 예측을 실시간으로 가져오거나 일련의 활동에 대한 사기 예측을 오프라인으로 가져올 수 있습니다.
**사기 예측 설명 시각화**
Amazon Fraud Detector는 사기 예측 프로세스의 일부로 예측 설명을 생성합니다. 예측 설명은 모델을 훈련하는 데 사용되는 각 데이터 요소가 모델의 사기 예측 점수에 어떤 영향을 미쳤는지에 대한 통찰력을 제공합니다. 예측 설명은 테이블 및 그래프와 같은 시각적 도구를 사용하여 제공됩니다. 이러한 도구를 사용하여 각 데이터 요소가 예측 점수에 미치는 영향을 시각적으로 식별할 수 있습니다. 그런 다음이 정보를 사용하여 데이터 세트 전반의 사기 패턴을 분석하고 편향이 있는 경우 이를 감지할 수 있습니다. 마지막으로 예측 설명을 사용하여 수동 사기 조사 프로세스 중에 주요 위험 지표를 식별할 수도 있습니다. 이렇게 하면 거짓 긍정 예측으로 이어지는 근본 원인을 좁힐 수 있습니다.
**규칙 기반 작업**
사기 탐지 모델을 훈련한 후 규칙을 추가하여 데이터 수락, 검토를 위한 데이터 전송 또는 더 많은 데이터 수집과 같이 평가된 데이터에 대한 조치를 취할 수 있습니다. 규칙은 사기 예측 중에 데이터를 해석하는 방법을 Amazon Fraud Detector에 알려주는 조건입니다. 예를 들어, 검토할 의심스러운 고객 계정에 플래그를 지정하는 규칙을 생성할 수 있습니다. 감지된 모델 점수가 미리 결정된 임계값보다 크고 계정 결제의 권한 부여 코드(AUTH\$1CODE)가 유효하지 않은 경우이 규칙을 시작하도록 설정할 수 있습니다.
# 핵심 개념 및 용어
다음은 Amazon Fraud Detector에 사용되는 핵심 개념 및 용어 목록입니다.
**Event**
이벤트는 사기 위험에 대해 평가되는 조직의 비즈니스 활동입니다. Amazon Fraud Detector는 이벤트에 대한 사기 예측을 생성합니다.
**레이블**
레이블은 단일 이벤트를 사기 또는 합법적으로 분류합니다. 레이블은 Amazon Fraud Detector에서 기계 학습 모델을 훈련하는 데 사용됩니다.
**개체**
엔터티는 이벤트를 수행 중인 사용자를 나타냅니다. 이벤트를 수행한 특정 엔터티를 나타내기 위해 회사 사기 데이터의 일부로 엔터티 ID를 제공합니다.
**이벤트 유형**
이벤트 유형은 Amazon Fraud Detector로 전송되는 이벤트의 구조를 정의합니다. 여기에는 이벤트의 일부로 전송된 데이터, 이벤트를 수행하는 개체(예: 고객), 이벤트를 분류하는 레이블이 포함됩니다. 예제 이벤트 유형에는 온라인 결제 트랜잭션, 계정 등록 및 인증이 포함됩니다.
**엔터티 유형**
엔터티 유형에 따라 엔터티가 분류됩니다. 분류의 예로는 고객, 판매자 또는 계정이 있습니다.
**이벤트 데이터 세트**
이벤트 데이터 세트는 특정 비즈니스 활동 또는 이벤트에 대한 회사의 기록 데이터입니다. 예를 들어 회사의 이벤트는 온라인 계정 등록일 수 있습니다. 단일 이벤트(등록)의 데이터에는 연결된 IP 주소, 이메일 주소, 결제 주소 및 이벤트 타임스탬프가 포함될 수 있습니다. Amazon Fraud Detector에 이벤트 데이터 세트를 제공하여 사기 탐지 모델을 생성하고 훈련합니다.
**모델**
모델은 기계 학습 알고리즘의 출력입니다. 이러한 알고리즘은 코드로 구현되며 사용자가 제공하는 이벤트 데이터에 대해 실행됩니다.
**모델 유형**
모델 유형은 모델 훈련 중에 사용되는 알고리즘, 보강 및 기능 변환을 정의합니다. 또한 모델 훈련을 위한 데이터 요구 사항도 정의합니다. 이러한 정의는 특정 유형의 사기에 맞게 모델을 최적화하는 기능을 합니다. 모델을 생성할 때 사용할 모델 유형을 지정합니다.
**모델 훈련**
모델 훈련은 제공된 이벤트 데이터 세트를 사용하여 사기 이벤트를 예측할 수 있는 모델을 생성하는 프로세스입니다. 모델 훈련 프로세스의 모든 단계는 완전히 자동화됩니다. 이러한 단계에는 데이터 검증, 데이터 변환, 특성 엔지니어링, 알고리즘 선택 및 모델 최적화가 포함됩니다.
**모델 점수**
모델 점수는 회사의 과거 사기 데이터의 평가 결과입니다. 모델 훈련 프로세스 중에 Amazon Fraud Detector는 데이터 세트의 사기 활동을 평가하고 0\$11000 사이의 점수를 생성합니다. 이 점수의 경우 0은 사기 위험이 낮음을 나타내고 1000은 사기 위험이 가장 높음을 나타냅니다. 점수 자체는 거짓 긍정 비율(FPR)과 직접 관련이 있습니다.
**모델 버전**
모델 버전은 모델 훈련의 출력입니다.
**모델 배포**
모델 배포는 모델 버전을 활성화하고 사기 예측을 생성하는 데 사용할 수 있도록 하는 프로세스입니다.
**Amazon SageMaker AI 모델 엔드포인트**
Amazon Fraud Detector를 사용하여 모델을 빌드하는 것 외에도 선택적으로 Amazon Fraud Detector 평가에서 SageMaker AI 호스팅 모델 엔드포인트를 사용할 수 있습니다.
SageMaker AI에서 모델을 빌드하는 방법에 대한 자세한 내용은 [를 사용하여 모델 훈련을 Amazon SageMaker AI](https://docs.aws.amazon.com/en_pv/sagemaker/latest/dg/train-model) 참조하세요.
**감지기**
감지기에는 사기에 대해 평가하려는 특정 이벤트에 대한 모델 및 규칙과 같은 감지 로직이 포함되어 있습니다. 모델 버전을 사용하여 감지기를 생성합니다.
**Detector 버전**
감지기에는 여러 버전이 있을 수 있으며 각 버전은 `Draft`, `Active`또는의 상태를 갖습니다`Inactive`. 한 번에 하나의 감지기 버전만 `Active` 상태가 될 수 있습니다.
**변수**
변수는 사기 예측에 사용하려는 이벤트와 연결된 데이터 요소를 나타냅니다. 변수는 사기 예측의 일부로 이벤트와 함께 전송되거나 Amazon Fraud Detector 모델의 출력과 같이 파생될 수 있습니다 Amazon SageMaker AI.
**규칙**
규칙은 사기 예측 중에 변수 값을 해석하는 방법을 Amazon Fraud Detector에 알려주는 조건입니다. 규칙은 하나 이상의 변수, 로직 표현식 및 하나 이상의 결과로 구성됩니다. 규칙에 사용되는 변수는 감지기가 평가하는 이벤트 데이터 세트의 일부여야 합니다. 또한 각 감지기에는 하나 이상의 규칙이 연결되어 있어야 합니다.
**결과**
이는 사기 예측의 결과 또는 출력입니다. 사기 예측에 사용되는 각 규칙은 하나 이상의 결과를 지정해야 합니다.
**사기 예측**
사기 예측은 단일 이벤트 또는 이벤트 세트에 대한 사기 평가입니다. Amazon Fraud Detector는 규칙에 따라 모델 점수와 결과를 동기식으로 제공하여 단일 온라인 이벤트에 대한 사기 예측을 실시간으로 생성합니다. Amazon Fraud Detector는 오프라인에서 이벤트 세트에 대한 사기 예측을 생성합니다. 예측을 사용하여 오프라인 proof-of-concept 수행하거나 시간별, 일별 또는 주별로 사기 위험을 소급 평가할 수 있습니다.
**사기 예측 설명**
사기 예측 설명은 각 변수가 모델의 사기 예측 점수에 어떤 영향을 미쳤는지에 대한 통찰력을 제공합니다. 각 변수가 위험 점수의 규모(0\$15 범위, 5는 가장 높음) 및 방향(점수를 더 높거나 낮게 주행) 측면에서 위험 점수에 미치는 영향에 대한 정보를 제공합니다.
# Amazon Fraud Detector 작동 방식
Amazon Fraud Detector는 비즈니스에서 잠재적인 사기 온라인 활동을 감지하도록 사용자 지정된 기계 학습 모델을 구축합니다. 시작하려면 비즈니스 사용 사례를 제공합니다. 비즈니스 사용 사례에 따라 Amazon Fraud Detector는 사기 탐지 모델을 생성하는 데 사용할 모델 유형을 권장합니다. 또한 비즈니스 기록 데이터의 일부로 제공해야 하는 데이터 요소에 대한 인사이트도 제공합니다. Amazon Fraud Detector는 기록 데이터 세트를 사용하여 사용자 지정 모델을 자동으로 생성하고 훈련합니다.
자동화된 모델 훈련 프로세스에는 특정 비즈니스 사용 사례에 대한 사기를 감지하는 기계 학습 알고리즘을 선택하고, 제공한 데이터를 검증하고, 모델 성능을 개선하기 위해 데이터 조작을 수행하는 작업이 포함됩니다. 모델을 훈련한 후 Amazon Fraud Detector는 모델 점수 및 기타 모델 성능 지표를 생성합니다. 점수와 성능 지표를 사용하여 모델 성능을 평가할 수 있습니다. 필요한 경우 훈련을 위해 제공한 데이터 세트에서 데이터 요소를 추가하거나 제거하고 모델을 재훈련하여 모델 점수를 개선할 수 있습니다.
모델을 생성, 훈련 및 활성화한 후에는 규칙이라고도 하는 결정 로직을 구성하여 비즈니스에서 생성된 데이터를 해석하는 방법을 모델에 알리고 각 활동의 해석을 처리하는 방법에 대한 결과를 할당해야 합니다. 결과는 활동을 승인 또는 검토하는 등의 작업을 나타내거나, 고위험, 중간 위험 및 저위험과 같은 활동의 위험 수준을 나타낼 수 있습니다.
감지기는 모델과 관련 규칙을 보관하는 컨테이너입니다. 감지기를 생성, 테스트하고 프로덕션 환경에 배포해야 합니다.
프로덕션 환경에 배포된 탐지기는 비즈니스 애플리케이션에 사기 탐지 기능을 제공합니다. 사기 평가를 수행하기 위해 모델은 비즈니스 활동에서 들어오는 모든 데이터를 비즈니스의 과거 데이터와 비교하고 정교한 기계 학습 알고리즘을 생성한 규칙과 사용하여 결과를 분석하고 결과를 할당합니다. Amazon Fraud Detector를 사용하면 단일 비즈니스 활동의 데이터를 실시간으로 평가하거나 오프라인으로 여러 비즈니스 활동의 데이터를 평가할 수 있습니다.
활동 중 하나로 온라인 자금 이체를 하는 사업체가 있다고 가정해 보겠습니다. Amazon Fraud Detector를 사용하여 실시간으로 자금 이체에 대한 사기 요청을 탐지하려고 합니다. 시작하려면 먼저 Amazon Fraud Detector에 과거 자금 이체 요청의 데이터를 제공해야 합니다. Amazon Fraud Detector는이 데이터를 사용하여 자금 이체에 대한 사기 요청을 감지하도록 사용자 지정된 모델을 생성하고 훈련합니다. 그런 다음 모델을 추가하고 모델을 위한 규칙을 구성하여 데이터를 해석하여 감지기를 생성합니다. 온라인 자금 이체 활동에 대한 규칙의 예로는 *xyz@example.com* 이메일 주소에서 자금 이체 요청이 오는 경우 검토를 위해 요청을 보내는 것이 있습니다. 비즈니스의 프로덕션 환경에서 자금 이체 요청이 수신되면 모델은 요청과 함께 제공된 데이터를 분석하고 규칙을 사용하여 결과를 할당합니다. 그런 다음 할당된 결과에 따라 요청에 대한 작업을 수행할 수 있습니다.
Amazon Fraud Detector는 훈련 데이터 세트, 모델, 탐지기, 규칙 및 결과와 같은 구성 요소를 사용하여 비즈니스에 사기 평가 로직을 제공합니다.
Amazon Fraud Detector를 사용하여 사기를 감지하는 데 사용할 워크플로에 대한 자세한 내용은 섹션을 참조하세요. [Amazon Fraud Detector를 사용하여 사기 감지](frauddetector-workflow.md)
# Amazon Fraud Detector를 사용하여 사기 감지
이 섹션에서는 Amazon Fraud Detector를 사용하여 사기를 탐지하기 위한 일반적인 워크플로를 설명합니다. 또한 이러한 작업을 수행하는 방법을 요약합니다. 다음 다이어그램은 Amazon Fraud Detector를 사용하여 사기를 탐지하기 위한 워크플로의 개략적인 보기를 제공합니다.
![\[Amazon Fraud Detector 사기 탐지 워크플로의 이미지\]](http://docs.aws.amazon.com/ko_kr/frauddetector/latest/ug/images/FraudDetectionWorkflowFinal.png)
사기 탐지는 지속적인 프로세스입니다. 모델을 배포한 후 예측 설명을 기반으로 성능 점수와 지표를 평가해야 합니다. 이렇게 하면 주요 위험 지표를 식별하고, 오탐지로 이어지는 근본 원인을 좁히고, 데이터 세트 전반의 사기 패턴을 분석하고, 편향이 있는 경우 이를 감지할 수 있습니다. 예측의 정확도를 높이기 위해 데이터세트를 조정하여 새 데이터 또는 수정된 데이터를 포함할 수 있습니다. 그런 다음 업데이트된 데이터 세트로 모델을 재학습할 수 있습니다. 더 많은 데이터를 사용할 수 있게 되면 정확도를 높이기 위해 모델을 계속 재학습합니다.
# Amazon Fraud Detector에 액세스
Amazon Fraud Detector는 여러에서 사용할 수 AWS 리전 있으며 AWS 인터페이스를 사용하여 액세스할 수 있습니다.
## 가용성
Amazon Fraud Detector는 미국 동부(버지니아 북부), 미국 동부(오하이오), 미국 서부(오레곤), 유럽(아일랜드), 아시아 태평양(싱가포르) 및 아시아 태평양(시드니)에서 사용할 수 있습니다 AWS 리전.
## 인터페이스
다음 인터페이스 중 하나를 사용하여 사기 탐지 모델 및 탐지기를 생성, 훈련, 배포, 테스트, 실행 및 관리할 수 있습니다.
**AWS Management Console** - Amazon Fraud Detector는 웹 기반 사용자 인터페이스인 Amazon Fraud Detector 콘솔을 제공합니다. 에 가입한 경우 Amazon Fraud Detector 콘솔에 액세스할 AWS 계정수 있습니다. 자세한 내용은 [Amazon Fraud Detector 설정을 참조하세요](https://docs.aws.amazon.com/frauddetector/latest/ug/set-up.html).
**AWS Command Line Interface (AWS CLI)** - 명령줄 셸의 명령을 사용하여 Amazon Fraud Detector를 AWS 서비스비롯한 광범위한와 상호 작용하는 데 사용할 수 있는 인터페이스를 제공합니다. Amazon Fraud Detector에 대한 AWS CLI 명령은 Amazon Fraud Detector 콘솔에서 제공하는 기능과 동일한 기능을 구현합니다.
**AWS SDK ** - 언어별 APIs 제공하고 서명 계산, 요청 재시도 처리 및 오류 처리와 같은 많은 연결 세부 정보를 관리합니다. 자세한 내용은 [빌드할 도구 AWS](https://aws.amazon.com/tools/) 페이지로 이동하여 **SDK** 섹션으로 스크롤한 다음 더하기(\$1) 기호를 선택하여 섹션을 확장합니다.
**AWS CloudFormation** - Amazon Fraud Detector 리소스 및 속성을 정의하는 데 사용할 수 있는 템플릿을 제공합니다. 자세한 내용은 AWS CloudFormation 사용 설명서의 [Amazon Fraud Detector 리소스 유형 참조](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/AWS_FraudDetector.html)를 참조하세요.
# 요금
Amazon Fraud Detector를 사용하면 사용한 만큼만 비용을 지불하면 됩니다. 최소 요금이나 사전 약정은 없습니다. 모델을 훈련하고 호스팅하는 데 사용되는 컴퓨팅 시간, 사용하는 스토리지 양 및 사기 예측량을 기준으로 요금이 부과됩니다. 자세한 내용은 [Amazon Fraud Detector 요금을](https://aws.amazon.com/fraud-detector/pricing/) 참조하세요.