近日，亚马逊（AWS）在拉斯维加斯举办的“Invent 2019”大会上宣布，推出基于机器学习的Amazon Fraud Detector。这是一种完全托管的服务，可以帮助组织检测交易中存在的异常情况，例如在线支付欺诈和创建假账户。同时还可以自动执行代码审查，可识别出那些有漏洞的代码。

全球范围内，在线欺诈每年可造成数百亿美元的损失。尤其是在线开展业务的组织，特别容易受到黑客的攻击。这些黑客经常采用不同的方式进行入侵，例如：创建假账户、使用被盗信用卡付款等。通常公司使用欺诈检测应用程序来识别这些恶意行为，有的甚至需要暂停业务来处理这些攻击。但是，这些应用程序通常是基于那些攻击方式来识别恶意行为的，并非是基于组织的业务展开的，这种千篇一律的识别方式很大程度上降低了准确性。

而Fraud Detector通过使用组织的数据、机器学习（ML）和20多年来Amazon自身积累的专业欺诈检测知识，自动识别潜在的危险攻击，从而更快地预测那些欺诈行为。用户只需单击几下就可以创建欺诈检测模型，而无需拥有丰富的机器学习经验，因为Fraud Detector可以自动为用户处理所有关于机器学习的工作。

Amazon FraudDetector规则设置界面

FraudDetector可以检测以下常见的欺诈类型：

• 新账户：准确区分合法客户和高风险客户的帐户注册行为，以便根据风险等级有选择性地进行注册管理，例如：   可以将帐户注册流程设置为仅对具有高风险的帐户，开启电子邮件和电话验证步骤。    

• 在线支付：通过在处理付款和履行订单之前，自动标记可疑的在线支付交易来减少支付欺诈。借助Amazon Fraud Detector，可以设置结帐流程以评估新订单并标记可疑订单，以便在处理付款之前进行审查以减少信用卡退款。

• 访客结帐：即使没有交易历史的客户，也可以发现潜在的欺诈者。借助Amazon Fraud Detector，可以从访客结账单中发送少量的电子邮件和IP地址来评估其潜在的欺诈风险，从而可以决定是接受、查看还是收集更多客户信息进一步评估。

  
   
   

步骤2：从预先构建的欺诈检测模型中选择一个模板

步骤3：检测模板通过用户的历史数据来构建自定义模型。模板将自动填充数据、执行特征工程、选择算法、训练和调整模型。

步骤4：根据模型预测创建规则以接受、查看或收集更多信息

步骤5：从用户的应用程序中调用Amazon Fraud Detector API，以接收实时欺诈预测，并根据用户的设置规则采取行动，例如：电子商务应用程序可以发送电子邮件和IP地址，并接收欺诈分数以及规则的输出。

继续阅读：亚马逊

未经允许不得转载：RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展 | 流 > 亚马逊推出欺诈检测器，可自动识别异常交易