As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Formatos de dados de inferência para IP Insights

Veja a seguir os formatos de entrada e saída disponíveis para o algoritmo de IP Insights. Os algoritmos integrados do Amazon SageMaker AI aderem ao formato comum de inferência de entrada descrito em Formatos de dados comuns para inferência. No entanto, no momento, o algoritmo insights de IP do SageMaker AI não permite o uso do formato RecordIO.

Formatos de solicitação de entrada para insights de IP

ENTRADA: Formato CSV

O arquivo CSV deve ter duas colunas. A primeira coluna é uma string opaca que corresponde ao identificador exclusivo de uma entidade. A segunda coluna é o endereço IPv4 do evento de acesso da entidade na notação de pontos decimais.

content-type: text/csv

entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2

ENTRADA: Formato JSON

Os dados JSON podem ser fornecidos em diferentes formatos. O insights de IP segue os formatos comuns do SageMaker AI. Para obter mais informações sobre formatos de inferência, consulte Formatos de dados comuns para inferência.

content-type: application/json

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

ENTRADA: Formato JSONLINES

O tipo de conteúdo JSON Lines é útil para realizar trabalhos de transformação em lote. Para ter mais informações sobre os formatos de inferência do SageMaker AI, consulte Formatos de dados comuns para inferência. Para obter mais informações sobre a execução de trabalhos de transformação em lote, consulte Transformação em lote para inferência com a Amazon AI SageMaker .

content-type: application/jsonlines

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

Formatos de resposta de saída para IP Insights

SAÍDA: Formato de resposta JSON

A saída padrão do algoritmo insights de IP do SageMaker é o dot_product entre a entidade de entrada e o endereço IP. O dot_product significa quão compatíveis o modelo considera a entidade e o endereço IP. O dot_product é não vinculado. Para fazer previsões sobre se um evento é anômalo, você precisa estipular um limite com base na sua distribuição definida. Para ter informações sobre como usar o dot_product para detecção de anomalias, consulte An Introduction to the Amazon SageMaker IP Insights Algorithm.

accept: application/json

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

Os usuários avançados podem acessar as incorporações de entidades e endereços IP aprendidas do modelo, fornecendo o parâmetro content-type verbose=True adicional ao cabeçalho Accept. É possível usar entity_embedding e ip_embedding para depurar, visualizar e entender o modelo. Além disso, você pode usar essas incorporações em outras técnicas de machine learning, como classificação ou agrupamento.

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]
    }
  ]
}

SAÍDA: Formato de resposta 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]}