Компания хочет запрашивать у пользователей дополнительную проверку, когда они заходят на сайт из необычных мест. У них есть терабайты веб-логов с исходными IP-адресами и, для аутентифицированных запросов, именами для входа. Какой подход следует использовать для создания ML-модели, которая будет определять, когда запрашивать дополнительную информацию?

IP Insights — это алгоритм SageMaker, специально разработанный для обнаружения аномалий в поведении IP-адресов, что идеально подходит для выявления необычных мест входа. Он эффективно работает с большими объемами данных и может выявлять закономерности, связанные с IP-адресами и идентификаторами пользователей. Ежедневное обновление и переобучение модели позволит ей адаптироваться к новым данным и поддерживать актуальность обнаружения аномалий. Использование Ground Truth для ручной маркировки каждой записи лога неэффективно для терабайтов данных. Factorization machines (FM) — это алгоритм для рекомендательных систем, а не для обнаружения аномалий IP-адресов. Object2Vec предназначен для создания векторных представлений объектов, что не является основной задачей в данном случае.