Formati di dati di inferenza di IP Insights

Di seguito sono riportati i formati di input e output disponibili per l'algoritmo IP Insights. Gli algoritmi integrati di Amazon SageMaker AI aderiscono al formato di inferenza di input comune descritto in. Formati di dati comuni per l'inferenza Tuttavia, l'algoritmo SageMaker AI IP Insights attualmente non supporta il formato RecOrdio.

Formati della richiesta di input IP Insights

INPUT: formato CSV

Il file CSV deve avere due colonne. La prima colonna è una stringa opaca che corrisponde a un identificatore unico di entità. La seconda colonna è l' IPv4 indirizzo dell'evento di accesso dell'entità in notazione decimale.

content-type: text/csv

entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2

INPUT: formato JSON

I dati JSON possono essere forniti in formati diversi. IP Insights segue i formati AI più comuni. SageMaker Per ulteriori informazioni sui formati di inferenza, consulta Formati di dati comuni per l'inferenza.

content-type: application/json

{
  "instances": [
    {"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
    {"features": ["entity_id_2", "10.10.1.2"]}
  ]
}

INPUT: formato JSONLINES

Il tipo di contenuto JSON Lines è utile per l'esecuzione di processi di trasformazione in batch. Per ulteriori informazioni sui formati di inferenza SageMaker AI, consultaFormati di dati comuni per l'inferenza. Per ulteriori informazioni sull'esecuzione dei processi di trasformazione in batch, consulta Trasformazione in batch per l'inferenza con Amazon SageMaker AI.

content-type: application/jsonlines

{"data": {"features": {"values": ["entity_id_1", "192.168.1.2"]}}},
{"features": ["entity_id_2", "10.10.1.2"]}]

Formati della risposta di output IP Insights

OUTPUT: formato della risposta JSON

L'output predefinito dell'algoritmo SageMaker AI IP Insights è quello dot_product tra l'entità di input e l'indirizzo IP. Il dot_product indica il livello di compatibilità considerato dal modello per l'entità e l'indirizzo IP. Il dot_product è illimitato. Per fare previsioni sulle anomalie di un evento, è necessario impostare una soglia in base alla distribuzione definita. Per informazioni su come utilizzare l'algoritmo AIIP Insights dot_product per il rilevamento delle anomalie, consulta An Introduction to the SageMaker AIIP Insights Algorithm.

accept: application/json

{
  "predictions": [
    {"dot_product": 0.0},
    {"dot_product": 2.0}
  ]
}

Gli utenti esperti possono accedere all'entità acquisita e agli incorporamenti IP del modello fornendo il parametro del tipo di contenuto aggiuntivo verbose=True all'intestazione Accept. Puoi utilizzare entity_embedding e ip_embedding per il debug, la visualizzazione e la comprensione del modello. Inoltre, puoi usare questi incorporamenti in altre tecniche di Machine Learning, come la classificazione o il clustering.

accept: application/json;verbose=True

{
  "predictions": [
    {
        "dot_product": 0.0,
        "entity_embedding": [1.0, 0.0, 0.0],
        "ip_embedding": [0.0, 1.0, 0.0]
    },
    {
        "dot_product": 2.0,
        "entity_embedding": [1.0, 0.0, 1.0],
        "ip_embedding": [1.0, 0.0, 1.0]
    }
  ]
}

OUTPUT: formato della risposta JSONLINES

accept: application/jsonlines

{"dot_product": 0.0}
{"dot_product": 2.0}

accept: application/jsonlines; verbose=True

{"dot_product": 0.0, "entity_embedding": [1.0, 0.0, 0.0], "ip_embedding": [0.0, 1.0, 0.0]}
{"dot_product": 2.0, "entity_embedding": [1.0, 0.0, 1.0], "ip_embedding": [1.0, 0.0, 1.0]}