Amazon Fraud Detector는 온라인 결제 사기, 허위 계정 개설 등 부정 행위 가능성이 있는 온라인 활동을 손쉽게 파악할 수 있는 완전관리형 서비스입니다. Amazon Fraud Detector는 기계 학습(ML) 기술과 20년간 축적된 Amazon Web Services(AWS) 및 Amazon.com의 사기 탐지 전문 지식을 활용하여 사기 가능성을 몇 밀리초 만에 자동으로 파악합니다. 선결제 금액이나 장기 약정이 없으며, Amazon Fraud Detector를 운영하기 위한 인프라도 필요하지 않습니다. 실제 사용량에 대한 요금만 지불하면 됩니다.
먼저, 사기 여부를 평가할 이벤트를 정의합니다. 그 다음, Amazon Simple Storage Service(Amazon S3)에 과거 이벤트 데이터 집합을 업로드하고 사기 탐지 모델 유형을 선택합니다. 여기에서는 특정 형태의 사기를 탐지하기 위해 최적화된 알고리즘 및 특성의 조합을 지정합니다. 이후 서비스는 사용자의 고유한 정보를 바탕으로 사용자 지정된 사기 탐지 모델을 자동으로 훈련, 테스트 및 배포합니다. 이 프로세스 중에 AWS 및 Amazon의 자체 사기 전문성을 기반으로 사기 패턴에 대해 미리 훈련된 일련의 모델을 통해 모델 성능을 강화할 수 있습니다. 모델의 출력은 사기 위험의 가능성을 예측하는 0~1,000 범위의 점수입니다. 프로세스의 마지막 단계에서는 결정 로직(예: 규칙)을 설정하여 모델의 점수를 해석하고, 통과와 같은 결과를 할당하거나 검토를 위해 인간 조사자에게 트랜잭션을 전송합니다.
이 프레임워크가 생성되고 나면 계정 등록, 주문 체크아웃 등 웹 사이트의 트랜잭션 기능에 Amazon Fraud Detector API를 통합할 수 있습니다. Amazon Fraud Detector는 이 같은 활동을 실시간으로 처리하고 밀리초 단위로 사기 예측 결과를 제공하여 최종 사용자 경험을 조정할 수 있도록 합니다.
Amazon Fraud Detector는 실시간 기계 학습 모델링 및 규칙 기반 평가를 필요로 하는 온라인 사기 관련 사용 사례를 위해 설계되었습니다. 예:
예. Amazon Fraud Detector 기계 학습 모델, Amazon SageMaker 모델 및 규칙을 조합하여 각 사용 사례에 맞게 Amazon Fraud Detector를 사용자 지정할 수 있습니다. 먼저, 사기 평가 입력으로 사용할 관련 위험 데이터를 수집합니다. 여기에는 이메일 주소, 전화번호 및 IP 주소가 포함됩니다. 이러한 데이터는 기계 학습 모델에 제공되고, 이를 바탕으로 점수를 출력합니다. 마지막으로, 탐지 규칙을 사용하여 점수 및 기타 위험 데이터를 해석하고, 승인하거나 조사를 위해 사기 분석가에게 주문을 보내는 등의 결정을 내릴 수 있습니다. "IF model_score < 50 & credit_card_country = US THEN approve_order"는 간단한 규칙과 해당 결과의 예입니다.
Amazon은 20년간의 사기 탐지 경험을 바탕으로 악의적인 공격자들이 다양한 형태로 온라인 사기를 벌이는 행태를 포착해왔습니다. Amazon Fraud Detector는 이러한 지식을 활용할 수 있도록 도와줍니다. 자동화된 모델 훈련 프로세스에서 Amazon Fraud Detector는 사기 행위와 관련한 AWS 및 Amazon의 자체 전문 지식을 바탕으로 패턴을 훈련한 일련의 모델을 활용하여 모델 성능을 높입니다.
Amazon Fraud Detector는 과거 사기 데이터를 기반으로 사용자 지정 사기 탐지 기계 학습 모델을 자동으로 훈련하고 테스트하고 배포하므로, 기계 학습 경험이 없는 고객도 쉽게 이용할 수 있습니다. 기계 학습 경험이 많은 개발자의 경우 Amazon SageMaker를 사용하여 자신의 모델을 Amazon Fraud Detector에 추가할 수 있습니다.
Amazon Fraud Detector는 기계 학습을 사용하지 않고도 규칙 기반 사기 예측을 수행할 수 있도록 지원합니다. Amazon Fraud Detector에서는 간단한 규칙 작성 언어를 사용하여 탐지 규칙을 작성할 수 있습니다(예: “IF model_score < 50 & credit_card_country = US THEN approve_order”). 또한, 직관적인 인터페이스를 사용하여 평가 중에 규칙이 트리거되는 순서를 지정할 수도 있습니다.
예. Amazon Fraud Detector 콘솔을 사용하여 과거의 사기 평가 결과를 검토하는 방식으로 의사 결정 로직을 감사할 수 있습니다. Amazon Fraud Detector 콘솔에서는 이벤트 특성 및/또는 적용된 탐지 로직(예: 결과, 사용된 모델 또는 규칙, 이벤트 메타데이터)을 기준으로 과거 이벤트를 검색할 수 있습니다. 그런 다음, 탐지 로직에서 이벤트를 평가하는 방법을 드릴다운할 수 있습니다.
아니요. AWS는 보안과 개인 정보 보호를 최우선으로 합니다. AWS는 고객의 신뢰를 얻기 위한 기본 원칙으로서, 고객 데이터를 절대 공유하지 않습니다.