本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

IP Insights 推論資料格式

以下是 IP Insights 演算法的可用輸入及輸出格式。Amazon SageMaker 內建演算法會遵循中推論的常用資料格式所述的常見輸入推論格式。但是， SageMaker IP 見解演算法目前不支援 RecordIO 格式。

IP Insights 輸入請求格式

輸入：CSV 格式

CSV 檔案必須擁有兩個欄。第一欄是一個不透明字串，對應到實體的唯一識別符。第二欄則是實體地址事件的 IPv4 地址，以小數點表示法表示。

content-type：text/csv

entity_id_1, 192.168.1.2
entity_id_2, 10.10.1.2

輸入：JSON 格式

JSON 資料可以不同的格式提供。IP 洞察遵循常見的 SageMaker 格式。如需推論格式的詳細資訊，請參閱推論的常用資料格式。

content-type：application/json

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

輸入：JSONLINES 格式

JSON Lines 內容類型在執行批次轉換任務時很有用。如需 SageMaker 推論格式的詳細資訊，請參閱推論的常用資料格式。如需執行批次轉換任務的詳細資訊，請參閱使用 Amazon 進行推論的批次轉換 SageMaker。

content-type：application/jsonlines

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

IP Insights 輸出回應格式

輸出：JSON 回應格式

SageMaker IP 見解演算法的預設輸出是輸入實體和 IP 位址dot_product之間。dot_product 表示模型考慮實體和 IP 地址的相容程度為何。dot_product 沒有限制。若要針對事件是否異常進行預測，您需要根據您定義的分布設定閾值。如需如何使用進行異常偵測dot_product的相關資訊，請參閱 SageMakerIP 見解演算法簡介。

accept：application/json

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

進階使用者可以透過提供額外的 content-type 參數 verbose=True 給 Accept 標頭，來存取模型已學習的實體和 IP 內嵌。您可以使用 entity_embedding 和 ip_embedding 進行除錯、視覺化和了解模型。此外，您可以在其他機器學習技術 (例如分類或叢集) 中使用這些內嵌。

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]
    }
  ]
}

輸出：JSONLINES 回應格式

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]}