截至 2025 年 11 月 7 日，亚马逊 Fraud Detector 不再向新客户开放。要获得与 Amazon Fraud Detector 类似的功能 SageMaker，请浏览亚马逊 AutoGluon、和 AWS WAF。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 模型分数
<a name="model-scores"></a>

Amazon Fraud Detector 为不同的模型类型生成模型分数的方式不同。

对于**账户接管见解 (ATI)** 模型，Amazon Fraud Detector 仅使用汇总值（通过组合一组原始变量计算得出的值）来生成模型分数。新实体的第一个事件得分为 -1，表示存在未*知风险*。这是因为对于新实体，用于计算聚合的值将为零或空。Account Takeeover Insights (ATI) 模型为同一实体和现有实体的所有后续事件生成介于 0 到 1000 之间的模型分数，其中 0 表示*欺诈风险低*，1000 表示*欺诈风险高*。对于 ATI 模型，模型分数与挑战率 (CR) 直接相关。例如，500分对应于估计的5％的挑战率，而900分对应于估计的0.1％的挑战率。

对于**在线欺诈见解 (OFI)** 和**交易欺诈洞察 (TFI)** 模型，Amazon Fraud Detector 使用汇总值（通过组合一组原始变量计算得出的值）和原始值（为变量提供的值）来生成模型分数。模型分数可以介于 0 到 1000 之间，其中 0 表示*欺诈风险低*，1000 表示*欺诈风险高*。对于 OFI 和 TFI 模型，模型分数与误报率 (FPR) 直接相关。例如，600分数对应于估计的10％的假阳性率，而900分对应于估计的2％的假阳性率。下表详细说明了某些模型分数与估计的误报率的相关性。


| 模特分数 | 估计 FPR | 
| --- | --- | 
|  975  |  0.50%  | 
|  950  |  1%  | 
|  900  |  2%  | 
|  860  |  3%  | 
|  775  |  5%  | 
|  700  |  7%  | 
|  600  |  10%  |