GrabDefence डिवाइस इंटेलिजेंस और Amazon फ्रॉड डिटेक्टर का उपयोग करके मोबाइल-उन्मुख व्यवसायों में धोखाधड़ी का पता लगाएं

इस पोस्ट में, हम एक समाधान प्रस्तुत करते हैं जो मोबाइल ऐप का फायदा उठाने वाले धोखेबाजों को पकड़ने में आपकी मदद करने के लिए अनुकूलित मशीन लर्निंग (एमएल) मॉडलिंग के साथ समृद्ध मोबाइल डिवाइस इंटेलिजेंस को जोड़ती है।

पकड़ो रक्षा (जीडी), ग्रैब की मालिकाना धोखाधड़ी का पता लगाने और रोकथाम तकनीक, और एडब्ल्यूएस ने जीडीएक्सएएफडी लॉन्च किया है, जो मोबाइल ऐप के लिए तैयार एक धोखाधड़ी का पता लगाने वाला समाधान है जो जीडी की डिवाइस खुफिया क्षमताओं को एकीकृत करता है। अमेज़ॅन फ्रॉड डिटेक्टर, AWS का पूरी तरह से प्रबंधित ML धोखाधड़ी का पता लगाने का समाधान। GDxAFD के साथ, आप अपने मोबाइल एप्लिकेशन को धोखेबाजों से सुरक्षित रखने के लिए Amazon से धोखाधड़ी का पता लगाने की 20 से अधिक वर्षों की विशेषज्ञता के साथ-साथ दक्षिण पूर्व एशिया के प्रमुख सुपरएप से व्यापक मोबाइल धोखाधड़ी अनुभव का लाभ उठा सकते हैं।

यह समाधान धोखाधड़ी विरोधी प्रयासों की एक बड़ी वैश्विक लहर पर आधारित है, जो विशेषज्ञों का पूर्वानुमान 62.70 तक $2028 बिलियन अमरीकी डालर तक बढ़ने के लिए। डिजिटल अर्थव्यवस्था के उदय के साथ, धोखाधड़ी सिंडिकेट तेजी से ऑनलाइन व्यवसायों को लक्षित करता है, जिससे वित्तीय नुकसान होता है और अंतिम उपयोगकर्ताओं और मंच के बीच विश्वास को नष्ट कर देता है। धोखाधड़ी से लड़ने की वास्तविक लागत भी तेजी से बढ़ रही है क्योंकि अधिक धोखाधड़ी की जांच से खराब ग्राहक अनुभव, झूठी सकारात्मकता, साथ ही साथ परिचालन बोझ होता है, जो कि वास्तविक लागत से वास्तविक धोखाधड़ी के नुकसान से तीन गुना बड़ा होने का अनुमान है। धोखा^TM लेक्सिसनेक्सिस द्वारा एपीएसी अध्ययन^® जोखिम समाधान.

संयुक्त उद्योग अनुभव से, समाधान टीम का मानना ​​​​है कि मोबाइल वातावरण में कई तौर-तरीके धोखेबाजों द्वारा संचालित होते हैं, जिनके पास बड़े पैमाने पर नकली खाते बनाने और डिवाइस पर एक प्लेटफॉर्म की सुरक्षा जांच को बायपास करने के लिए उपकरण और तरीके होते हैं, जिससे वे इसका फायदा उठाने में सक्षम होते हैं। बड़े रिटर्न के लिए मंच। इसलिए, मोबाइल धोखाधड़ी को रोकना मोबाइल ऐप तक पहुंचने के लिए उपयोग किए जाने वाले उपकरणों के जोखिम प्रोफ़ाइल को स्पष्ट रूप से समझने से शुरू होता है और फिर वास्तविक रूप से संभावित धोखाधड़ी व्यवहार का पता लगाने के लिए उपयोगकर्ता, घटना या खाते के बारे में अतिरिक्त डेटा के साथ एकत्रित डिवाइस जोखिम खुफिया का उपयोग करना शुरू होता है। समय और पैमाने पर। रिच डिवाइस इंटेलिजेंस और एमएल को मिलाकर, कंपनियां मोबाइल-केंद्रित धोखाधड़ी सिंडिकेट से आगे रहने और अपने प्लेटफॉर्म पर धोखाधड़ी को कम करने के लिए बेहतर स्थिति में हैं।

जीडी डिवाइस इंटेलिजेंस

जीडी ग्रैब की धोखाधड़ी निवारण टीम का एक उत्पाद है, जिसके पास के लिए वर्षों का अनुभव निर्माण समाधान है कब्र. ग्रैब एक NASDAQ सूचीबद्ध कंपनी है और दक्षिण पूर्व एशिया में एक अग्रणी सुपरएप है, जिसमें 30 मिलियन से अधिक मासिक लेन-देन करने वाले उपयोगकर्ता हैं (ग्रैब के अनुसार) Q1 2022 परिणाम) एसईए में एक अग्रणी सुपरएप के रूप में अपने संचालन के पैमाने और मोबाइल-पहले व्यवसाय की प्रकृति के कारण, ग्रैब समृद्ध डेटा, प्रौद्योगिकी फोकस और अपने परिचालन अनुभव और एक्सपोजर से एकत्रित अंतर्दृष्टि द्वारा सक्षम धोखाधड़ी रोकथाम समाधान बनाने में भारी निवेश कर रहा है। . GD की डिवाइस इंटेलिजेंस सेवा मोबाइल एप्लिकेशन उपयोगकर्ताओं से किसी भी व्यक्तिगत पहचान योग्य जानकारी (PII) को छोड़कर, समृद्ध डिवाइस-स्तरीय डेटा एकत्र करती है और डिवाइस के जोखिम प्रोफ़ाइल को समझने के लिए इसका सुरक्षित रूप से विश्लेषण करती है। ग्रैब के सुपरएप के माध्यम से निर्मित एक बड़े डिवाइस नेटवर्क से सीखते हुए, जीडी की डिवाइस इंटेलिजेंस सेवा डिवाइस के फिंगरप्रिंट को सटीक रूप से उत्पन्न कर सकती है और डिवाइस या ऐप संशोधन या छेड़छाड़, एमुलेटर उपयोग और जीपीएस स्पूफिंग जैसी जोखिम भरी विशेषताओं का पता लगा सकती है। जैसा कि पहले उल्लेख किया गया है, मोबाइल प्लेटफॉर्म पर कई धोखाधड़ी के तौर-तरीकों में नकली खातों का निर्माण, डिवाइस रीइंजीनियरिंग और स्थान स्पूफिंग शामिल है, जिसका पता लगाने में जीडी डिवाइस इंटेलिजेंस सक्षम है। नतीजतन, जीडी डिवाइस इंटेलिजेंस और अमेज़ॅन फ्रॉड डिटेक्टर को एकीकृत करके, ऐसे प्लेटफॉर्म जो समान धोखाधड़ी के हमलों का सामना करते हैं, ग्रैब की धोखाधड़ी रोकथाम प्रणालियों पर ग्रैबडिफेंस द्वारा किए गए सांख्यिकीय अध्ययनों के आधार पर धोखाधड़ी का पता लगाने में 23% तक की वृद्धि की उम्मीद कर सकते हैं।

अमेज़ॅन धोखाधड़ी डिटेक्टर में कस्टम धोखाधड़ी का पता लगाने वाले एमएल मॉडल

अमेज़ॅन फ्रॉड डिटेक्टर आपके द्वारा बनाए गए प्रत्येक मॉडल को आपके अपने डेटासेट में अनुकूलित करता है, जिससे मॉडल की सटीकता एक-आकार-फिट-सभी एमएल समाधानों से अधिक हो जाती है। पूरी तरह से स्वचालित मॉडल प्रशिक्षण प्रक्रिया के दौरान, एडब्ल्यूएस और अमेज़ॅन की अपनी धोखाधड़ी विशेषज्ञता से धोखाधड़ी के पैटर्न सीखने वाले मॉडलों की एक श्रृंखला का उपयोग आपके मॉडल के प्रदर्शन को और भी बढ़ावा देने के लिए किया जाता है।

GDxAFD समाधान के साथ, अब आपके पास अपने कस्टम फ्रॉड डिटेक्टर मॉडल में GD डिवाइस इंटेलिजेंस निष्कर्षों को जोड़ने के लिए Amazon फ्रॉड डिटेक्टर में लचीले ईवेंट स्कीमा का उपयोग करने के लिए चरण-दर-चरण मार्गदर्शन और एक संदर्भ आर्किटेक्चर है। अंतिम परिणाम एक एमएल मॉडल है, जिसे एक बार प्रशिक्षित करने के बाद, कई डेटा स्रोतों से सीखने का लाभ होता है, जिसमें आपका अपना ऐतिहासिक डेटा, जीडी का डिवाइस इंटेलिजेंस डेटा, अमेज़ॅन में देखे गए धोखाधड़ी पैटर्न और अतिरिक्त तृतीय-पक्ष डेटा (अमेज़ॅन द्वारा स्वचालित रूप से जोड़ा गया) शामिल है। धोखाधड़ी डिटेक्टर)। जीडी और अमेज़ॅन फ्रॉड डिटेक्टर के बीच हमारे पायलट के आधार पर, जीडी डिवाइस इंटेलिजेंस का उपयोग करने वाले हमारे मॉडल ने नकली खाता पंजीकरण का पता लगाने के प्रदर्शन में 23% की वृद्धि दिखाई है। आप न केवल नकली खाता पंजीकरण बल्कि धोखाधड़ी भुगतान, प्रचार दुरुपयोग, या वफादारी कार्यक्रम के दुरुपयोग को रोकने के लिए मोबाइल धोखाधड़ी का पता लगाने के लिए इन मॉडलों को तैनात कर सकते हैं।

आरंभ करने के लिए, आप पहले जीडी के मोबाइल एसडीके को डिवाइस-स्तरीय डेटा एकत्र करने के लिए अपने मोबाइल एप्लिकेशन में एकीकृत करते हैं। इसके बाद, आप अमेज़ॅन फ्रॉड डिटेक्टर का उपयोग उस घटना को परिभाषित करने के लिए करते हैं जिसका आप धोखाधड़ी के लिए मूल्यांकन करना चाहते हैं, घटना और खाते के डेटा बिंदुओं को निर्दिष्ट करके जो आपके पास घटना या खाते के लिए उपलब्ध हैं, जिसमें जीडी से डिवाइस जोखिम खुफिया डेटा बिंदु शामिल हैं। इसके बाद आप कुछ ही स्टेप्स में अपने ML मॉडल को Amazon Fraud Detector में प्रशिक्षित करें। मॉडल को प्रशिक्षित करने के बाद, आप इसे डिटेक्टर में जोड़ सकते हैं।

वास्तविक समय की भविष्यवाणी करना शुरू करने के लिए, आप अमेज़ॅन फ्रॉड डिटेक्टर की कम-विलंबता भविष्यवाणी एपीआई को अपने एप्लिकेशन में एकीकृत करते हैं और धोखाधड़ी की भविष्यवाणी करने के लिए नए मोबाइल ईवेंट भेजना शुरू करते हैं। प्रत्येक धोखाधड़ी भविष्यवाणी घटना से जुड़े डिवाइस के लिए जीडी डिवाइस इंटेलिजेंस डेटा के साथ-साथ अमेज़ॅन फ्रॉड डिटेक्टर द्वारा स्वचालित रूप से जोड़े गए अतिरिक्त डेटा और इंटेलिजेंस पर विचार करती है, जिसमें अमेज़ॅन में अनुभव किए गए धोखाधड़ी पैटर्न से सिग्नल शामिल हैं।

समाधान अवलोकन

जोखिम निर्णयों के लिए डिवाइस इंटेलिजेंस एक महत्वपूर्ण प्रकार का इनपुट है। मोबाइल स्पेस में धोखाधड़ी का पता लगाने में आने वाली आम चुनौतियों में से एक जोखिम निर्णय लेने के लिए समृद्ध डेटा उपलब्धता की कमी है। दूसरी ओर, मोबाइल डिवाइस आम तौर पर सबसे महंगी संपत्ति होती है जो धोखेबाजों और धोखाधड़ी सिंडिकेट के पास होती है और इसलिए, उपयोग किए जा रहे डिवाइस की वास्तविक पहचान और प्रोफाइल को छिपाने के लिए एक महत्वपूर्ण स्तर का प्रयास किया जाता है। मोबाइल डिवाइस के जोखिम प्रोफाइल को समझना (जो कभी-कभी एक वास्तविक डिवाइस भी नहीं होता है) और विभिन्न मोबाइल उपकरणों के बीच संबंधों से अंतर्दृष्टि प्राप्त करने में सक्षम होने से किसी भी मोबाइल व्यवसाय के लिए जोखिम निर्णयों में काफी सुधार हो सकता है, और किसी भी मोबाइल-आधारित के लिए केंद्रीय बन जाता है। धोखाधड़ी प्रबंधन रणनीति।

रीयल-टाइम धोखाधड़ी की भविष्यवाणी करने के लिए, GDxAFD समाधान Amazon फ्रॉड डिटेक्टर और GrabDefence की डिवाइस इंटेलिजेंस SDK के साथ-साथ उपयोग करता है अमेज़ॅन एपीआई गेटवे और AWS लाम्बा. आप समाधान के AWS भागों का उपयोग करके प्रावधान कर सकते हैं एडब्ल्यूएस CloudFormation.

निम्नलिखित चित्र हमारे समाधान वास्तुकला को दर्शाता है।

वर्कफ़्लो में निम्नलिखित चरण होते हैं:

1. जब कोई अंतिम-उपयोगकर्ता आपके मोबाइल ऐप से इंटरैक्ट करता है, तो GD का मोबाइल SDK निष्क्रिय रूप से डिवाइस डेटा एकत्र करता है और इस डेटा को GD की डिवाइस इंटेलिजेंस सेवा में स्ट्रीम करता है, जहां डिवाइस के लिए एक जोखिम प्रोफ़ाइल तैयार की जाती है।
2. फिर, जब वह उपयोगकर्ता मोबाइल ऐप का उपयोग करके लेनदेन करता है और आप वास्तविक समय में धोखाधड़ी के जोखिम का आकलन करना चाहते हैं, तो मोबाइल ऐप ऐप द्वारा एकत्र किए गए लेनदेन डेटा को एपीआई गेटवे के माध्यम से लैम्ब्डा फ़ंक्शन में भेजता है।
3. लैम्ब्डा फ़ंक्शन लेन-देन के दौरान उपयोग किए गए डिवाइस के लिए ग्रैबडिफेंस जोखिम प्रोफ़ाइल एकत्र करता है, उस प्रोफ़ाइल डेटा को अन्य लेनदेन डेटा के साथ जोड़ता है, और इसे धोखाधड़ी डिटेक्टर को भेजता है।
4. फ्रॉड डिटेक्टर आपके कस्टम फ्रॉड डिटेक्शन एमएल मॉडल और रूल्ससेट का उपयोग करके धोखाधड़ी की भविष्यवाणी करता है, और लैम्ब्डा फ़ंक्शन को एक जोखिम स्कोर और परिणाम देता है। यह परिणाम API गेटवे के माध्यम से आपके मोबाइल ऐप पर वापस भेज दिया जाता है।
5. यदि वांछित है, तो मोबाइल ऐप इस जोखिम मूल्यांकन के आधार पर अंत-उपयोगकर्ता अनुभव को तदनुसार समायोजित करने का विकल्प चुन सकता है।

Amazon फ्रॉड डिटेक्टर के साथ डिवाइस इंटेलिजेंस के लिए मामलों का उपयोग करें

आदर्श एंड-स्टेट समाधान एक अमेज़ॅन फ्रॉड डिटेक्टर मॉडल है जो आपकी ऐतिहासिक घटनाओं और उनके संबंधित ऐतिहासिक जीडी डिवाइस इंटेलिजेंस डेटा के डेटासेट पर प्रशिक्षित होता है। इसे प्राप्त करने के लिए, आपको मोबाइल उपकरणों के लिए जीडी गार्जियन एसडीके को एकीकृत करना होगा और तब तक अपने ईवेंट के लिए डिवाइस इंटेलिजेंस डेटा एकत्र करना होगा जब तक कि आपके पास एक मॉडल को प्रशिक्षित करने के लिए पर्याप्त न हो (उदाहरण के लिए, धोखाधड़ी की घटनाओं के कम से कम 10,000 उदाहरणों के साथ 400 ईवेंट)। आपके उपयोग के मामले और धोखाधड़ी के लेबल की उपलब्धता के आधार पर, आपके पास इस समाधान के लिए डेटा एकत्र करने के साथ ही जल्द से जल्द आरंभ करने के कुछ तरीके हैं:

• केस ए का उपयोग करें: धोखाधड़ी डिटेक्टर नियमों में सीधे जीडी डिवाइस इंटेलिजेंस डेटा का उपयोग करें - इस उपयोग के मामले के साथ, आप डिवाइस इंटेलिजेंस द्वारा प्रदान किए गए उच्च-जोखिम वाले ईवेंट को फ़्लैग करने के लिए डिज़ाइन किए गए नियमों के साथ Amazon फ्रॉड डिटेक्टर में एक डिटेक्टर बनाते हैं। यह प्रभावी रूप से तब काम करता है जब आपके पास स्पष्ट जोखिम शमन नीतियां हों जिन्हें आप अपने प्लेटफॉर्म के लिए लागू करना चाहते हैं। (उदाहरण के लिए, यदि डिवाइस जेलब्रेक हो गया है तो उपयोगकर्ता पर कार्रवाई करें, या यदि डिवाइस में पांच से अधिक खाते हैं तो प्रोमो को भुनाने की अनुमति न दें) ऐसे मामलों में, आप संयोजन के आधार पर ईवेंट को फ़्लैग करने के लिए अपने डिटेक्टर नियम सेट कर सकते हैं जीडी डिवाइस जोखिम स्कोर और जीडी डिवाइस फैसले। इस विकल्प को आरंभ करने के लिए किसी ऐतिहासिक घटना डेटा या लेबल की आवश्यकता नहीं है, इसलिए यह एमएल-आधारित पहचान विकल्पों की तुलना में जल्दी उपयोग करने के लिए तैयार हो सकता है।
• केस बी का उपयोग करें: धोखाधड़ी डिटेक्टर नियमों के साथ जीडी डिवाइस इंटेलिजेंस और अमेज़ॅन फ्रॉड डिटेक्टर एमएल मॉडल का उपयोग करें - यदि आपके पास एक ऐतिहासिक घटना डेटासेट है और आप तुरंत अमेज़ॅन फ्रॉड डिटेक्टर एमएल मॉडल को प्रशिक्षित करने में सक्षम हैं, तो आप अपने नियम-आधारित डिटेक्टर में अमेज़ॅन फ्रॉड डिटेक्टर मॉडल जोड़कर उपयोग केस ए पर निर्माण कर सकते हैं। इस तरह, आपका डिटेक्टर लॉजिक नियमों के साथ डिवाइस इंटेलिजेंस का मूल्यांकन कर रहा है और एक अनुकूलित एमएल मॉडल के साथ अन्य सभी इवेंट डेटा का मूल्यांकन कर रहा है। यह आपको अधिक जटिल धोखाधड़ी रणनीति को हल करने की अनुमति देता है जहां गैर-धोखाधड़ी से धोखाधड़ी को अलग करने के लिए सांख्यिकीय तरीकों की आवश्यकता होती है।

सबसे अच्छे परिणाम अक्सर तब प्राप्त होते हैं जब ये दोनों परिदृश्य एक साथ काम करते हैं, क्योंकि आपके पास अधिक ऐतिहासिक डेटा होने के बाद भी वे समय के साथ अलग-अलग उपयोग के मामलों की सेवा कर सकते हैं। इन तरीकों के साथ, अमेज़ॅन फ्रॉड डिटेक्टर कुछ ही चरणों में आदर्श समाधान के लिए संक्रमण को आसान बनाता है।

निम्नलिखित अनुभागों में, हम जीडी डिवाइस इंटेलिजेंस डेटा के साथ अमेज़ॅन फ्रॉड डिटेक्टर का उपयोग शुरू करने के लिए चरणों के माध्यम से चलते हैं।

जीडी मोबाइल एसडीके को एकीकृत करें और डिवाइस इंटेलिजेंस डेटा एकत्र करना शुरू करें

अपने एप्लिकेशन में GrabDefence डिवाइस इंटेलिजेंस का उपयोग करने से पहले, आपको पहले GrabDefence क्लाइंट के रूप में पंजीकरण करना होगा। आपको GrabDefence टीम से निम्नलिखित क्रेडेंशियल प्राप्त होते हैं:

• किरायेदार_आईडी - एक अद्वितीय ग्राहक पहचानकर्ता जो आपके संगठन का प्रतिनिधित्व करता है
• ऐप_आईडी - एक अद्वितीय एप्लिकेशन पहचानकर्ता जो उस एप्लिकेशन का प्रतिनिधित्व करता है जिसे आप एकीकृत कर रहे हैं

ग्रैबडिफेंस का संदर्भ लें दस्तावेज़ीकरण इस एसडीके को कैसे एकीकृत किया जाए, इस पर आगे के मार्गदर्शन के लिए।

Amazon फ्रॉड डिटेक्टर में अपना इवेंट टाइप बनाएं

एक ईवेंट प्रकार उस ईवेंट के लिए स्कीमा को परिभाषित करता है जिसका आप धोखाधड़ी के लिए आकलन करना चाहते हैं। अमेज़ॅन फ्रॉड डिटेक्टर में एक ईवेंट प्रकार बनाते समय, आप उन सभी डेटा तत्वों को परिभाषित करते हैं जो आपके पास धोखाधड़ी मूल्यांकन के समय उपलब्ध होंगे, जिसमें जीडी डिवाइस इंटेलिजेंस जोखिम प्रोफ़ाइल डेटा तत्व जैसे अद्वितीय डिवाइस आईडी और विभिन्न डिवाइस निर्णय शामिल हैं। धोखाधड़ी डिटेक्टर चर। आपको इवेंट वेरिएबल (जैसे आईपी, ईमेल या बिलिंग पता) शामिल करने की आवश्यकता है जो उस प्रकार के ईवेंट के लिए अद्वितीय हैं जिसका आप धोखाधड़ी के लिए मूल्यांकन कर रहे हैं, साथ ही जीडी डिवाइस इंटेलिजेंस डेटा भी शामिल करना होगा। निम्न तालिका प्रत्येक तत्व को मैप करने के लिए ईवेंट चर, GD डिवाइस इंटेलिजेंस डेटा और अनुशंसित Amazon Fraud Detector चर प्रकार के उदाहरण दिखाती है।

घटना चर प्रकार	घटना चर (संपूर्ण नहीं)	अमेज़न धोखाधड़ी डिटेक्टर घटना चर	उदाहरण
घटना मेटाडेटा	EVENT_TIMESTAMP	EVENT_TIMESTAMP	2019-11-30T13:01:01Z
	EVENT_ID	EVENT_ID	test0299df10-e2db-11eb-96e2-f7dgje3d3k03
	ENTITY_ID	ENTITY_ID	123
	EVENT_LABEL	EVENT_LABEL	धोखाधड़ी या वैध
	LABEL_TIMESTAMP	LABEL_TIMESTAMP	2019-11-30T13:01:01Z
घटना चर	ईमेल	ईमेल पता	test@example.com
	IP	आईपी ​​पता	192.0.2.1
	फ़ोन	फ़ोन नंबर	555-0123
जीडी डिवाइस इंटेलिजेंस फैसले	फैसला: आईओएस जेलब्रोकन डिवाइस	कस्टम: श्रेणीबद्ध	GV_IOS_JAIL_BROKEN
	फैसले: डीबगर का पता चला	कस्टम: श्रेणीबद्ध	GV_DEBUGGER_DETECTED
	फैसला: इवेंट टोकन सिग्नेचर मिसमैच	कस्टम: श्रेणीबद्ध	GV_EVENT_TOKEN_SIGNATURE_MISMATCH
	फैसला: सर्वर चैलेंज मिसमैच	कस्टम: श्रेणीबद्ध	GV_SERVER_CHALLENGE_MISMATCH
जीडी जोखिम स्कोर	उपयोगकर्ता खाता जोखिम स्कोर	कस्टम: संख्यात्मक	0.9 आदि

Amazon फ्रॉड डिटेक्टर में अपना डिटेक्शन लॉजिक बनाएं

इस बिंदु पर, आपको यह तय करने की आवश्यकता है कि क्या आप उपयोग केस ए या उपयोग केस बी से शुरू करना चाहते हैं। केस ए के उपयोग के लिए, आप नियम-आधारित डिटेक्टर बनाना शुरू करते हैं। केस बी का उपयोग करने के लिए, आप पहले एक अमेज़ॅन फ्रॉड डिटेक्टर मॉडल बनाते हैं और एक बार समाप्त होने के बाद, मॉडल को अपने डिटेक्टर में जोड़ें।

Amazon फ्रॉड डिटेक्टर मॉडल और डिटेक्टर बनाने के निर्देशों के लिए, देखें अमेज़न धोखाधड़ी डिटेक्टर उपयोगकर्ता गाइड.

निम्न स्क्रीनशॉट Amazon फ्रॉड डिटेक्टर कंसोल पर नमूना डिटेक्टर नियम दिखाता है।

Amazon फ्रॉड डिटेक्टर बैच भविष्यवाणियों का उपयोग करके अपने डिटेक्टर का परीक्षण करें

आप अमेज़ॅन फ्रॉड डिटेक्टर कंसोल या या तो घटनाओं के एक सेट के खिलाफ अपने डिटेक्टर का परीक्षण करने के लिए बैच पूर्वानुमान कार्य का उपयोग कर सकते हैं। क्रिएटबैचप्रेडिक्शनजॉब एपीआई। आपको डिटेक्टर संस्करण (पिछले चरण में बनाया गया) निर्दिष्ट करना होगा और एक में संग्रहीत CSV फ़ाइल (50 एमबी तक बड़ी) के माध्यम से ईवेंट प्रदान करना होगा। अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) बाल्टी। डिटेक्टर की भविष्यवाणियों के संलग्न परिणामों के साथ मूल इनपुट डेटा वाली आउटपुट फ़ाइल उसी S3 बकेट में उपलब्ध होगी (जब तक कि आप एक अलग स्थान निर्दिष्ट नहीं करते)।

Amazon फ्रॉड डिटेक्टर बैच प्रेडिक्शन चलाने के बारे में अधिक जानकारी के लिए, Amazon फ्रॉड डिटेक्टर बैच प्रेडिक्शन देखें प्रलेखन पृष्ठ.

सहायक बुनियादी ढाँचा स्थापित करें

आपके द्वारा बनाए गए डिटेक्टर का उपयोग करके वास्तविक समय की भविष्यवाणी करने के लिए, आपको एक लैम्ब्डा फ़ंक्शन सेट करना होगा जो निम्नलिखित क्रियाएं करता है:

1. आपके मोबाइल ऐप से एकत्रित लेनदेन डेटा (एपीआई गेटवे के माध्यम से) प्राप्त करता है। इसमें आईपी पता, ईमेल पता, शिपिंग और बिलिंग जानकारी आदि जैसे डेटा शामिल हैं, जो लेनदेन और उपयोग के मामले के लिए अद्वितीय है।
2. जीडी एपीआई से जोखिम प्रोफाइल एकत्र करता है। इसमें डिवाइस इंटेलिजेंस डेटा और जीडी से जोखिम संकेत शामिल हैं। आपको GD निर्णयों को उपयुक्त Amazon Fraud Detector वेरिएबल में बदलने की आवश्यकता है CUSTOM: CATEGORICAL प्रकार। उदाहरण के लिए, यदि GD निर्णय सूची में शामिल है GV_IOS_JAIL_BROKEN, आपको सेट करने की आवश्यकता है Verdict: IOS Jailbroken Device चर से TRUE Amazon फ्रॉड डिटेक्टर को भेजते समय (जैसा कि अगले भाग में बताया गया है)।
3. का उपयोग करके डिटेक्टर को डेटा भेजता है GetEventPrediction एपीआई (अगला भाग देखें)।

Amazon फ्रॉड डिटेक्टर GetEventPrediction API का उपयोग करके रीयल-टाइम पूर्वानुमान करें

आपका लैम्ब्डा फ़ंक्शन अमेज़न फ्रॉड डिटेक्टर को कॉल कर सकता है गेटइवेंट भविष्यवाणी वास्तविक समय की भविष्यवाणी करने और समकालिक रूप से परिणाम प्राप्त करने के लिए एपीआई। GetEventPrediction आपके द्वारा पहले सेट किए गए नियमों के आधार पर API मिलान परिणाम देता है। यदि आपने Amazon फ्रॉड डिटेक्टर में अपने डिटेक्टर से एक मॉडल संलग्न किया है, तो मॉडल स्कोर को भी के भाग के रूप में वापस कर दिया जाता है GetEventPrediction एपीआई प्रतिक्रिया। आप . के उदाहरण पा सकते हैं GetEventPrediction पर अनुरोध एडब्ल्यूएस-धोखाधड़ी-डिटेक्टर-नमूने गिटहब भंडार.

आप इस एपीआई से प्रतिक्रिया को पार्स करने के लिए अपने लैम्ब्डा फ़ंक्शन को तदनुसार कॉन्फ़िगर कर सकते हैं, और उचित कार्रवाई को मोबाइल एप्लिकेशन (एपीआई गेटवे के माध्यम से) पर वापस कर सकते हैं।

अपना मॉडल बनाएं और प्रशिक्षित करें

जब आप जीडी एसडीके को एकीकृत कर लेते हैं और अमेज़ॅन फ्रॉड डिटेक्टर के साथ भविष्यवाणियां कर रहे होते हैं, तो आपके ईवेंट अमेज़ॅन फ्रॉड डिटेक्टर में संग्रहीत हो जाते हैं और आप इसका उपयोग कर सकते हैं अपडेटइवेंटलेबल धोखाधड़ी की पुष्टि की घटनाओं के लिए धोखाधड़ी लेबल जोड़ने के लिए एपीआई। जब आपके संग्रहीत डेटासेट में डिवाइस डेटा के साथ 10,000 ईवेंट होते हैं और कम से कम 400 को धोखाधड़ी के रूप में लेबल किया जाता है, तो आप एक कस्टम Amazon फ्रॉड डिटेक्टर मॉडल बनाना शुरू कर सकते हैं जो GD के डिवाइस इंटेलिजेंस डेटा से सीखता है।

इस बिंदु पर, आप मॉडल को प्रशिक्षित करने के लिए तैयार हैं। यह अमेज़ॅन फ्रॉड डिटेक्टर कंसोल पर कुछ कदम उठाता है, और मॉडल प्रशिक्षण में आमतौर पर लगभग एक घंटे का समय लगता है, लेकिन यह आपके प्रशिक्षण डेटासेट के आकार के आधार पर लंबा हो सकता है।

1. अमेज़ॅन फ्रॉड डिटेक्टर कंसोल पर, चुनें मॉडल बनाएं.
2. चुनें लेनदेन धोखाधड़ी अंतर्दृष्टि मॉडल प्रकार के रूप में।
3. वह ईवेंट प्रकार चुनें, जिसे आपने पहले बनाया था.
4. अपने प्रशिक्षण डेटासेट के लिए दिनांक सीमा चुनें, जिसमें वह अवधि शामिल हो जहां आपने GD डिवाइस इंटेलिजेंस डेटा एकत्र किया है।
5. अपने मॉडल के इनपुट कॉन्फ़िगरेशन में GD डिवाइस-विशिष्ट तत्वों सहित सभी ईवेंट प्रकार चर जोड़ें।
6. स्ट्रैट प्रशिक्षण मॉडल।

आपके मॉडल के प्रशिक्षित होने के बाद, आप प्रदर्शन मेट्रिक्स की समीक्षा कर सकते हैं और फिर इसकी स्थिति को सक्रिय में बदलकर इसे परिनियोजित कर सकते हैं। मॉडल स्कोर और प्रदर्शन मीट्रिक के बारे में अधिक जानने के लिए, देखें मॉडल स्कोर और प्रशिक्षण प्रदर्शन मेट्रिक्स. इस बिंदु पर, अब आप अपने मॉडल को अपने डिटेक्टर में जोड़ सकते हैं, जोड़ें दहलीज नियम मॉडल द्वारा आउटपुट किए जाने वाले जोखिम स्कोर की व्याख्या करने के लिए, और का उपयोग करके भविष्यवाणियां करना जारी रखें GetEventPrediction एपीआई।

समाधान को स्वचालित करें

आप अपने Amazon फ्रॉड डिटेक्टर ईवेंट प्रकार और संबंधित संसाधनों के निर्माण को स्वचालित करने के लिए AWS CloudFormation का उपयोग कर सकते हैं। अधिक जानकारी के लिए देखें AWS CloudFormation का उपयोग करके संसाधनों का प्रबंधन.

निष्कर्ष

बधाई! आपने सफलतापूर्वक एक अमेज़ॅन फ्रॉड डिटेक्टर मॉडल बनाया है जो जीडी डिवाइस इंटेलिजेंस को आपके डिटेक्टर में एकीकृत करता है। आपके द्वारा प्रशिक्षित अमेज़ॅन फ्रॉड डिटेक्टर एमएल मॉडल ने कई डेटा स्रोतों से सीखा है, जिसमें आपका अपना ऐतिहासिक डेटा, जीडी का डिवाइस इंटेलिजेंस डेटा, अमेज़ॅन में देखे गए धोखाधड़ी पैटर्न और अतिरिक्त तृतीय-पक्ष डेटा (अमेज़ॅन फ्रॉड डिटेक्टर द्वारा स्वचालित रूप से जोड़ा गया) शामिल हैं। विभिन्न प्रकार के मोबाइल धोखाधड़ी का पता लगाने और उन्हें पकड़ने के लिए आप इस समाधान को अपने मोबाइल एप्लिकेशन पर लागू कर सकते हैं।

अभिषेक रवि, तनय भार्गव, एरिक बुरिस, पुनीत गंभीर (ग्रैबडिफेंस), ब्रायन किम (ग्रैबडिफेंस), और सिंग क्वान एनजी (ग्रैबडिफेंस) सहित इस ब्लॉग में योगदान देने वाले सभी लोगों का विशेष धन्यवाद।

---

लेखक के बारे में

मार्सेल पिविडाल वर्ल्ड वाइड स्पेशलिस्ट ऑर्गनाइजेशन में सीनियर एआई सर्विसेज सॉल्यूशंस आर्किटेक्ट हैं। मार्सेल के पास फिनटेक, भुगतान प्रदाता, फार्मा और सरकारी एजेंसियों के लिए प्रौद्योगिकी के माध्यम से व्यावसायिक समस्याओं को हल करने का 20 से अधिक वर्षों का अनुभव है। उनके फोकस के वर्तमान क्षेत्र जोखिम प्रबंधन, धोखाधड़ी की रोकथाम और पहचान सत्यापन हैं।

एड्रियान डे जोंग सिंगापुर में AWS में पार्टनर सॉल्यूशंस आर्किटेक्ट हैं। वह आसियान भूगोल में एडब्ल्यूएस जीएसआई टीम का हिस्सा हैं। एड्रियान विशेष रूप से सर्वर रहित, क्लाउड-देशी विकास और DevOps में रुचि रखता है। अपने खाली समय में, वह ऐसे केक बेक करना पसंद करते हैं जो एलर्जी वाले लोगों के लिए उपयुक्त हों।

जियानबो लियू अमेज़ॅन फ्रॉड डिटेक्टर के साथ एक शोध वैज्ञानिक हैं।