Una empresa quiere solicitar a los usuarios una verificación adicional cuando acceden al sitio desde ubicaciones inusuales. Tienen terabytes de registros web con IP de origen y, para las solicitudes autenticadas, nombres de inicio de sesión. ¿Qué enfoque debe utilizar para construir la decisión basada en ML que indica cuándo solicitar información adicional?

La opción correcta es utilizar Amazon SageMaker con el algoritmo IP Insights. IP Insights está diseñado específicamente para detectar actividades inusuales o fraudulentas basadas en direcciones IP, lo cual es ideal para identificar accesos desde ubicaciones atípicas. La programación de actualizaciones y reentrenamientos nocturnos asegura que el modelo se adapte continuamente a nuevos patrones de acceso y mantenga su precisión. Las otras opciones son menos adecuadas: SageMaker Ground Truth se usa para etiquetar datos, no para entrenar el modelo en sí. Además, etiquetar cada entrada de registro como "acceso exitoso o fallido" no aborda la detección de "ubicaciones inusuales". El algoritmo Factorization Machines (FM) es un clasificador binario generalista, pero IP Insights es más específico y efectivo para este caso de uso. Object2Vec se utiliza para aprender incrustaciones (embeddings) de objetos, lo cual no es el objetivo principal aquí; el objetivo es detectar anomalías en patrones de acceso IP.