北京2020年8月3日 /美通社/ -- 日前亞馬遜云服務(wù)（AWS）宣布Amazon Fraud Detector欺詐檢測服務(wù)正式上線，這是一項全托管的服務(wù)，可輕松快速識別潛在的在線欺詐，例如在線支付和身份欺詐。Amazon Fraud Detector基于后臺的機器學(xué)習(xí)功能，以及亞馬遜公司20多年的欺詐檢測專業(yè)知識，無需任何機器學(xué)習(xí)專業(yè)知識，即可在毫秒之內(nèi)自動識別潛在的欺詐活動。客戶只需在Amazon Fraud Detector控制臺中點擊幾下，就可以選擇預(yù)制的機器學(xué)習(xí)模型模板，上傳歷史欺詐數(shù)據(jù)，創(chuàng)建決策邏輯來解釋模型的得分并分配結(jié)果（例如在機器學(xué)習(xí)模型預(yù)測到潛在的欺詐交易時，將交易傳遞或發(fā)送給人工調(diào)查人員開始進行欺詐調(diào)查）。在使用Amazon Fraud Detector時，客戶既不需要預(yù)付費和承諾消費，也不需要管理基礎(chǔ)架構(gòu)，而僅需為實際使用的服務(wù)付費。要開始使用Amazon Fraud Detector，請訪問http://aws.amazon.com/fraud-detector
如今，在全世界范圍內(nèi)，無數(shù)的組織每年因在線欺詐造成的損失多達數(shù)百億美元。這迫使許多企業(yè)不得不投資于大型而昂貴的欺詐管理系統(tǒng)。這些系統(tǒng)通?；谑止ぞ幋a的規(guī)則，設(shè)置起來相當(dāng)耗時，定制成本高昂，并且很難隨著欺詐模式的改變而保持最新狀態(tài)，這些缺點都會降低其準(zhǔn)確性。這導(dǎo)致各類組織會錯把正?？蛻舢?dāng)作欺詐者拒絕，進行更昂貴的欺詐審查，并且錯過降低欺詐率的機會。過去20年來，亞馬遜投入巨資研究使用先進的機器學(xué)習(xí)技術(shù)，打擊欺詐活動，這些技術(shù)可最大程度地減少客戶摩擦，同時跑在行為不端者的前面?？蛻粝Ｍ麃嗰R遜分享這一專業(yè)知識和經(jīng)驗，幫助他們打擊在線欺詐行為。
Amazon Fraud Detector提供了全托管的服務(wù)，實時檢測潛在的欺詐行為（例如在線支付及身份欺詐、偽造賬戶和積分賬戶、濫用促銷代碼等）。這項服務(wù)基于Amazon.com所使用的同樣技術(shù)，而客戶無需任何機器學(xué)習(xí)經(jīng)驗。借助Amazon Fraud Detector，客戶可以使用其合法和欺詐交易的歷史數(shù)據(jù)，構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí)模型，以提供實時、低延遲的欺詐風(fēng)險預(yù)測。首先，客戶將歷史欺詐數(shù)據(jù)（例如交易、賬戶注冊、會員積分兌換等）上傳到在數(shù)據(jù)傳輸過程中和存儲時都進行加密的Amazon Simple Storage Service（Amazon S3）。這些數(shù)據(jù)用于自定義模型的訓(xùn)練?？蛻糁恍枰峁┡c欺詐相關(guān)的任何兩個屬性（例如登錄名、新帳戶創(chuàng)建），可以選擇性添加其它數(shù)據(jù)（例如帳單郵寄地址或電話號碼）。
根據(jù)客戶想要預(yù)測的欺詐類型，Amazon Fraud Detector對數(shù)據(jù)進行預(yù)處理，選擇算法，訓(xùn)練模型。Amazon Fraud Detector使用基于亞馬遜20多年欺詐經(jīng)驗的機器學(xué)習(xí)模型，幫助識別與欺詐活動相關(guān)的通常模式。即使客戶提供的欺詐示例數(shù)量很少，Amazon Fraud Detector也可以提高訓(xùn)練模型的準(zhǔn)確性。Amazon Fraud Detector可以訓(xùn)練模型，將其部署到全托管的私有API（應(yīng)用程序編程接口）端點。客戶可以將新活動（例如注冊或新購買）發(fā)送到API，然后收到欺詐風(fēng)險響應(yīng)，其中包含準(zhǔn)確的欺詐風(fēng)險評分。根據(jù)這一報告，客戶的應(yīng)用程序可以確定合適的一系列執(zhí)行動作（例如接受購買，還是傳遞給人工審核）。借助Amazon Fraud Detector，客戶可以通過機器學(xué)習(xí)，更快、更輕松、更準(zhǔn)確地檢測欺詐，還可以從一開始就防止欺詐發(fā)生。
AWS機器學(xué)習(xí)副總裁Swami Sivasubramanian表示，“各種規(guī)模、各個行業(yè)的客戶都告訴我們，他們花費了大量時間和精力，試圖減少其網(wǎng)站和應(yīng)用程序上發(fā)生的欺詐行為。我們很高興憑借20年的欺詐檢測經(jīng)驗，以及強大的機器學(xué)習(xí)技術(shù)，為客戶帶來Amazon Fraud Detector，使他們無需任何機器學(xué)習(xí)經(jīng)驗，就能夠自動檢測潛在的欺詐行為，節(jié)省時間和金錢，改善客戶體驗?！?/p>
如果是具有機器學(xué)習(xí)經(jīng)驗的開發(fā)人員，想要擴展Amazon Fraud Detector提供的功能，可以結(jié)合使用Amazon Fraud Detector構(gòu)建的機器學(xué)習(xí)模型和 Amazon SageMaker（Amazon SageMaker是一項全托管的服務(wù)，用于快速構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí)模型）構(gòu)建的機器學(xué)習(xí)模型來自定義Amazon Fraud Detector。Amazon Fraud Detector現(xiàn)已可以在美國東部（弗吉尼亞北部）、美國東部（俄亥俄州）、美國西部（俄勒岡）、歐盟（愛爾蘭）、亞太（新加坡）和亞太（悉尼）區(qū)域使用，未來幾個月將逐步在其它區(qū)域上線。
GoDaddy是一家面向全球企業(yè)家的服務(wù)平臺，其使命是為他們提供在線增長所需的所有幫助和工具，為全球超過1900萬的客戶提供支持。GoDaddy的用戶身份服務(wù)部門高級總監(jiān)John Kercheval說：“GoDaddy致力于防止欺詐性帳戶，我們將不斷加強在注冊過程中自動檢測此類帳戶的功能。我們最近開始使用Amazon Fraud Detector，很高興它提供了低成本的實施和自助服務(wù)方法，方便我們構(gòu)建針對業(yè)務(wù)定制的機器學(xué)習(xí)模型。該模型很容易部署，使用在我們的新帳戶流程中，不影響合法客戶的注冊體驗。我們使用Amazon Fraud Detector構(gòu)建的模型，能夠立即檢測到可能存在的欺詐性注冊，我們對結(jié)果感到非常滿意，期待實現(xiàn)更多?！?br />
Truevo創(chuàng)造了簡單、直觀和用戶友好的支付產(chǎn)品，使客戶可以輕松接受付款，從而專注于發(fā)展業(yè)務(wù)?！癆mazon Fraud Detector使我們能夠大大改善運營，提高我們對行為不端者的反應(yīng)能力，更好地控制系統(tǒng)和流程。當(dāng)初，我們正在探索內(nèi)部和第三方解決方案。當(dāng)Amazon Fraud Detector發(fā)布時，我們立即改變了主意。我們多年來一直是AWS的資深客戶，對亞馬遜的產(chǎn)品非常信任?！盩ruevo首席運營官Charles Grech說?！敖柚鶤mazon Fraud Detector，我們不再受本地或SaaS產(chǎn)品的常規(guī)限制。取而代之的是，我們可以靈活地調(diào)整機器學(xué)習(xí)支持的服務(wù)，滿足我們的需求。我們可以使用AWS的rules-only選項（注：只輸入業(yè)務(wù)規(guī)則，其它功能全部采用AWS提供的），在需要時輕松擴展到完整的機器學(xué)習(xí)功能。這為Truevo節(jié)省了3-6個月的開發(fā)時間！實際上，我們30分鐘之內(nèi)就部署了第一個原型模型。總體而言，我們對實時檢測欺詐的能力充滿信心。當(dāng)我們注意到不能全面理解的可疑行為并需要阻止時，我們能夠有更好的手段部署檢測規(guī)則。我們能夠響應(yīng)、適應(yīng)不斷變化的法規(guī)和計劃要求，使我們能夠始終處于領(lǐng)先地位?！?/p>
ActiveCampaign為全球10萬家小型和成長型企業(yè)提供不同類別的客戶體驗自動化軟件?！霸?020年第一季度和第二季度，我們經(jīng)歷了網(wǎng)絡(luò)釣魚攻擊帳戶的激增。我們需要增強我們現(xiàn)有的本地解決方案，用更強大的交易數(shù)據(jù)和信號、更快地識別行為不端者?；陬A(yù)測性機器學(xué)習(xí)的可伸縮解決方案，對于我們自身快速增長的業(yè)務(wù)也非常重要，”ActiveCampaign負(fù)責(zé)電子郵件運營的資深工程師Alex Burch說?！癆mazon Fraud Detector讓我們很容易使用自己的數(shù)據(jù)構(gòu)建模型，準(zhǔn)確識別網(wǎng)絡(luò)釣魚攻擊帳戶的注冊。更重要的是，我們能夠以非常低的誤報率獲得這些結(jié)果，這意味著我們的運營人員無需進行額外工作。 Amazon Fraud Detector的定價模型有競爭力，我們可以輕松地將該模型融入到我們現(xiàn)有的工作流程中?！?/p>
