IP 洞察推理数据格式

以下是 IP 洞察算法的可用输入和输出格式。Amazon SageMaker 内置算法遵循中用于推理的常用数据格式描述的通用输入推理格式。但是， SageMaker IP Insights 算法目前不支持 Recordio 格式。

IP 洞察输入请求格式

输入：CSV 格式

CSV 文件一定具有两个列。第一列是对应于实体的唯一标识符的不透明字符串。第二列是十进制点表示法中实体访问事件的 IPv4 地址。

content-type: text/csv

entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2

输入：JSON 格式

JSON 数据可以采用不同的格式提供。《知识产权见解》遵循常见 SageMaker 格式。有关推理格式的更多信息，请参阅用于推理的常用数据格式。

content-type: application/json

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

输入：JSONLINES 格式

JSON 行内容类型对于运行批量转换作业非常有用。有关 SageMaker 推理格式的更多信息，请参阅用于推理的常用数据格式。有关运行批量转换作业的更多信息，请参阅使用批量转换。

content-type: application/jsonlines

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

IP 洞察输出响应格式

输出：JSON 响应格式

SageMaker IP Insights 算法的默认输出是输入实体和 IP 地址dot_product之间的输出。dot_product 表示模型认为实体与 IP 地址之间的相容程度。dot_product 是无界的。要预测某个事件是否异常，您需要根据定义的分布设置阈值。有关如何使用进行异常检测的信息，请参阅 SageMakerIP Insights 算法简介。dot_product

accept: application/json

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

高级用户可以通过向 Accept 标题提供额外的 content-type 参数 verbose=True，访问模型已经学习的实体和 IP 嵌入。您可以将 entity_embedding 和 ip_embedding 用于调试、可视化和了解模型。此外，您可以在其他机器学习技术（例如分类或聚类）中使用这些嵌入。

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]
    }
  ]
}

输出：JSONLINES 响应格式

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]}