自 2025 年 11 月 7 日起，Amazon Fraud Detector 不再向新客戶開放。對於類似 Amazon Fraud Detector 的功能，請探索 Amazon SageMaker、AutoGluon 和 AWS WAF。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 建立模型
<a name="building-a-model"></a>

Amazon Fraud Detector 模型會學習偵測特定事件類型的詐騙。在 Amazon Fraud Detector 中，您會先建立模型，做為模型版本的容器。每次訓練模型時，都會建立新的版本。如需如何使用 AWS 主控台建立和訓練模型的詳細資訊，請參閱[步驟 3：建立模型](part-a.md#step-3-create-new-ml-model)。

每個模型都有對應的模型分數變數。當您建立模型時，Amazon Fraud Detector 會代表您建立此變數。您可以在規則表達式中使用此變數，在詐騙評估期間解譯模型分數。

## 使用 訓練和部署模型 適用於 Python (Boto3) 的 AWS SDK
<a name="train-and-deploy-a-model-using-the-aws-python-sdk"></a>

模型版本是透過呼叫 `CreateModel`和 `CreateModelVersion`操作來建立。 會`CreateModel`啟動模型，做為模型版本的容器。 會`CreateModelVersion`啟動訓練程序，進而產生特定版本的模型。每次呼叫 `CreateModelVersion` 都會建立新的解決方案版本。

下列範例顯示 `CreateModel` API 的範例請求。此範例會建立 *Online Fraud Insights* 模型類型，並假設您已建立事件類型 `sample_registration`。如需建立事件類型的其他詳細資訊，請參閱 [建立事件類型](create-event-type.md)。

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

fraudDetector.create_model (
modelId = 'sample_fraud_detection_model',
eventTypeName = 'sample_registration',
modelType = 'ONLINE_FRAUD_INSIGHTS')
```

使用 [CreateModelVersion](https://docs.aws.amazon.com//frauddetector/latest/api/API_CreateModelVersion.html) API 訓練您的第一個版本。對於 `TrainingDataSource`和 ，`ExternalEventsDetail`指定訓練資料集的來源和 Amazon S3 位置。對於 ，`TrainingDataSchema`指定 Amazon Fraud Detector 應如何解譯訓練資料，特別是要包含哪些事件變數，以及如何分類事件標籤。根據預設，Amazon Fraud Detector 會忽略未標記的事件。此範例程式碼使用 `AUTO` `unlabeledEventsTreatment`來指定 Amazon Fraud Detector 決定如何使用未標記的事件。

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

fraudDetector.create_model_version (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
trainingDataSource = 'EXTERNAL_EVENTS',
trainingDataSchema = {
    'modelVariables' : ['ip_address', 'email_address'],
    'labelSchema' : {
        'labelMapper' : {
            'FRAUD' : ['fraud'],
            'LEGIT' : ['legit']
        }
       unlabeledEventsTreatment = 'AUTO'
    }
}, 
externalEventsDetail = {
    'dataLocation' : 's3://bucket/file.csv',
    'dataAccessRoleArn' : 'role_arn'
}
)
```

成功的請求將產生狀態為 的新模型版本`TRAINING_IN_PROGRESS`。在訓練期間，您可以隨時呼叫 `UpdateModelVersionStatus` 並將狀態更新為 來取消訓練`TRAINING_CANCELLED`。訓練完成後，模型版本狀態會更新為 `TRAINING_COMPLETE`。您可以使用 Amazon Fraud Detector 主控台或呼叫 來檢閱模型效能`DescribeModelVersions`。如需如何解譯模型分數和效能的詳細資訊，請參閱 [模型分數](model-scores.md)和 [模型效能指標](training-performance-metrics.md)。

 檢閱模型效能後，請啟用模型，讓偵測器可在即時詐騙預測中使用模型。Amazon Fraud Detector 會在開啟自動擴展的多個可用區域中部署模型，以確保模型隨著您正在進行的詐騙預測數量而擴展。若要啟用模型，請呼叫 `UpdateModelVersionStatus` API 並將狀態更新為 `ACTIVE`。

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

fraudDetector.update_model_version_status (
modelId = 'sample_fraud_detection_model',
modelType = 'ONLINE_FRAUD_INSIGHTS',
modelVersionNumber = '1.00',
status = 'ACTIVE'
)
```