Un'azienda desidera richiedere agli utenti una verifica aggiuntiva quando accedono al sito da posizioni insolite. L'azienda dispone di terabyte di log web con IP di origine e, per le richieste autenticate, i nomi di accesso. Quale approccio dovresti usare per creare la decisione basata su ML che segnala quando richiedere informazioni aggiuntive?

L'algoritmo Amazon SageMaker IP Insights è progettato specificamente per rilevare attività insolite o fraudolente basate su indirizzi IP e identità utente. Può identificare quando un utente accede da un indirizzo IP che non è tipicamente associato al suo account, il che è esattamente ciò che richiede lo scenario. La pianificazione di aggiornamenti e riaddestramenti notturni è fondamentale per mantenere il modello aggiornato con i nuovi schemi di accesso e per adattarsi ai cambiamenti nel comportamento degli utenti. Le opzioni che suggeriscono l'uso di SageMaker Ground Truth per etichettare gli accessi come riusciti o falliti sono inappropriate perché il problema non riguarda la classificazione del successo dell'accesso, ma l'identificazione di accessi da posizioni insolite. L'algoritmo Factorization Machines (FM) è più adatto per problemi di raccomandazione o classificazione con dati sparsi, non per l'analisi di pattern IP. L'algoritmo Object2Vec è per incorporamenti di oggetti e non è la scelta più diretta per questo tipo di rilevamento di anomalie basato su IP.