Je wilt frauduleuze accounts detecteren en identificeren of een nieuw aangemaakt account overeenkomt met eerder bekende frauduleuze accounts. Je zuivert logs met AWS Glue tijdens de ingestie. Welke aanpak moet je gebruiken om waarschijnlijk dubbele of overeenkomende frauduleuze accounts te vinden?

De juiste aanpak is het maken en uitvoeren van een FindMatches machine learning transform in AWS Glue. Dit transform is specifiek ontworpen voor het identificeren van overeenkomende records die mogelijk geen exacte duplicaten zijn, maar wel naar dezelfde entiteit verwijzen (bijvoorbeeld frauduleuze accounts met kleine variaties in de gegevens). Dit is essentieel voor het detecteren van frauduleuze accounts die opzettelijk zijn gewijzigd om detectie te omzeilen. Een ingebouwde FindDuplicates-query in Amazon Athena is niet voldoende, omdat deze meestal alleen exacte duplicaten vindt en niet de fuzzy matching die nodig is voor fraudedetectie. Een AWS Glue crawler is bedoeld voor het afleiden van schema's en partities, niet voor het identificeren van overeenkomende records. Direct zoeken naar duplicaten in de AWS Glue Data Catalog is ook onvoldoende, aangezien de catalogus metadata opslaat en geen geavanceerde matching-functionaliteit biedt.