Amazon Fraud Detector führt neues ML-Modell zur Erkennung von Betrug bei Online-Transaktionen ein

Amazon Fraud Detector  freut sich, das Transaction Fraud Insights-Modell anzukündigen, ein maschinelles Lernmodell (ML) mit niedriger Latenzzeit, das speziell für die Erkennung von Betrug bei Online-Transaktionen mit Karte (Card-Not-Present) entwickelt wurde. Wie andere Amazon Fraud Detector-Modelle nutzt auch Transaction Fraud Insights die mehr als 20-jährige Erfahrung von Amazon und AWS in der Betrugserkennung. Der neue Modelltyp Transaction Fraud Insights erkennt bis zu 30 % mehr betrügerische Transaktionen und behält seine Leistung bis zu sechs Mal länger bei als der vorherige Modelltyp Online Fraud Insights von Amazon Fraud Detector.
Quelle: aws.amazon.com

Amazon Fraud Detector unterstützt jetzt Ereignis-Datensätze

Wir freuen uns, die Speicherung von Ereignisdatensätzen für Amazon Fraud Detector anzukündigen. Die neue Funktion ermöglicht es Kunden, ihre Produktionsbereichen direkt in Amazon Fraud Detector zu senden und zu speichern. Kunden können ihre Ereignisdatensätze zum Trainieren von Modellen für maschinelles Lernen (ML) mit höherer Vorhersageleistung verwenden, da die Modelle historischen Kontext auf neue Ereignisse anwenden können, indem sie automatisch Werte wie Konten alter und Kaufhäufigkeit berechnen. Kunden können auch schneller vorankommen, indem sie ihre Modelle neu trainieren, ohne einen neuen Trainingsdatensatz auf S3 hochladen zu müssen, und sie können die Feedbackschleife von Offline-Betrugsuntersuchungen schließen, indem sie ihre Betrugsetiketten für gespeicherte Ereignisse aktualisieren.
Quelle: aws.amazon.com

Mit NoSQL Workbench für Amazon DynamoDB können Sie jetzt Beispieldaten importieren und automatisch auffüllen, um die Erstellung und Visualisierung Ihrer Datenmodelle zu unterstützen

NoSQL Workbench for DynamoDB ein clientseitiges Tool, das Ihnen ermöglicht, nicht-relationale Datenmodelle mit einem Point-and-Click-Interface zu designen, zu visualisieren und abzufragen, erleichtert nun außerdem die häufige Ausführung von Operationen auf Datenebene, um leichter auf Tabellendaten zuzugreifen und sie zu verändern. Jetzt können Sie Beispieldaten aus .csv-Dateien in neue und bestehende Datenmodelle importieren. Sie können Ihre Abfrageergebnisse auch im .csv-Format aus dem NoSQL Workbench Operation Builder exportieren.
Quelle: aws.amazon.com