Uma empresa deseja solicitar verificação adicional aos usuários quando eles acessam o site de locais incomuns. Eles têm terabytes de logs da web com IPs de origem e, para solicitações autenticadas, nomes de login. Qual abordagem você deve usar para construir a decisão baseada em ML que sinaliza quando solicitar informações extras?

A opção correta é usar o Amazon SageMaker com o algoritmo IP Insights e agendar atualizações noturnas. O IP Insights é um algoritmo não supervisionado projetado especificamente para detectar atividades incomuns de endereços IP, como acessos de locais atípicos, o que se alinha perfeitamente ao requisito de identificar acessos de "locais incomuns". Ele aprende padrões de uso de IPs e usuários, sinalizando desvios. Agendar atualizações noturnas garante que o modelo se adapte a novos dados e padrões de acesso. As outras opções são menos adequadas: rotular acessos como bem-sucedidos ou falhos com Ground Truth não aborda a anomalia de localização; o algoritmo factorization machines (FM) é para recomendação e não detecção de anomalias de IP; e o Object2Vec é para incorporações de entidades, não para este tipo de detecção de anomalias.