新万博平台官网 > 新万博平台官网 >

亚马逊推出欺诈检测器和CodeGuru

  亚马逊正在利用机器学习来应对欺诈,审计代码,通话记录和索引企业数据。今天,在拉斯维加斯举行的Amazon Web Services(AWS)re:Invent 2019大会的主题演讲中,这家科技巨头推出了Amazon Fraud Detector和CodeGuru,Amazon Fraud Detector是一种完全托管的服务,可以检测交易中的异常情况,它可以自动执行代码审查,同时识别出最多的代码“昂贵”的代码行。这些只是冰山一角。

  借助Fraud Detector(处于预览状态),AWS客户可以提供电子邮件地址,IP地址收件人以及其他历史交易和账户注册数据,以及指示哪些交易是欺诈交易和哪些交易是合法的标记。亚马逊会获取这些信息,并使用算法以及针对亚马逊业务的消费者业务开发的数据检测器来构建定制模型,以识别潜在的恶意电子邮件域和IP地址形成等内容。创建模型后,客户可以创建,查看和更新​​规则,以基于模型预测启用操作,而无需依赖其他模型。

  欺诈检测器使管理员可以根据风险有选择地引入其他步骤或检查。例如,他们可以设置客户帐户注册工作流程,以仅针对具有高风险特征的注册要求其他电子邮件和电话验证步骤。此外,欺诈检测器可以识别更可能滥用“先试后买”程序的帐户,并在处理和履行订单之前标记可疑的在线支付交易。

  所有这些都通过私有端点API公开,可以将其合并到客户端的服务和应用中。亚马逊声称,欺诈检测器的机器学习模型平均比传统方法识别出多达80%的潜在不良行为者。

  至于CodeGuru,它以与现有集成开发环境(IDE)集成的组件的形式出现,它利用在10,000多个最受欢迎的开源项目中训练过的AI模型来评估正在编写的代码。在出现问题的地方,它会提供易于理解的注释,以解释问题所在并建议可能的补救措施。另外,CodeGuru通过每五分钟创建一个考虑延迟和处理器利用率之类的配置文件来查找效率最低和效率最低的代码行。

  这是一个分为两部分的系统。CodeGuru Reviewer(结合了规则挖掘和监督式机器学习模型)可检测与使用AWS API和SDK的最佳实践的偏差,标记可能导致生产问题的常见问题,例如检测到分页缺失,批处理操作中的错误处理,以及使用不是线程安全的类。至于CodeGuru Profiler,它针对诸如昂贵对象的过度重新使用,昂贵的反序列化,效率低下的库的使用以及过多的日志记录等问题提供了具体的建议。

  亚马逊表示,编码AWS的最佳实践的CodeGuru在内部已用于优化80,000个应用程序,并节省了数千万美元。实际上,亚马逊声称有些团队能够在短短一年内将处理器利用率降低325%,并节省39%。

  亚马逊今天还摘下了隐形眼镜(预览版),这是一种适用于Amazon Connect的虚拟呼叫中心产品,可以转录呼叫并同时评估呼叫。它提供了全文转录,并捕获了呼叫情绪,长时间的沉默或座席串扰等内容。此外,它还使管理人员可以通过关键字搜索上述词组中的特定短语和其他维度,还可以查看仪表板和报告,以衡量一段时间内的趋势。

  亚马逊还推出了Kendra(预览版),这是一种新的基于AI的企业搜索服务。通过AWS控制台配置后,Kendra将利用连接器来统一和索引先前孤立的信息源(来自文件系统,网站,Box,DropBox,Salesforce,SharePoint,关系数据库以及其他地方)。客户回答有关其数据的几个问题,并有选择地提供常见问题(例如知识库和支持文档),并让Kendra使用自然语言处理来建立索引以识别概念及其关系。

  亚马逊表示,其模型经过了优化,可以理解IT,金融服务,保险,制药,工业制造,石油和天然气,法律,媒体和娱乐,旅行和款待,健康,人力资源,新闻,电信,采矿,食品和饮料和汽车。在实践中,这意味着员工可以提出诸如“我可以添加孩子作为HMO的依赖者吗?”之类的问题,而Kendra将提供与该人的医疗保健选择相关的答案。

  Kendra中的查询可以在部署之前进行测试和完善,并且随着底层AI算法吸收新数据而随着时​​间的推移自我完善。公司可以手动调整相关性,增加索引中的某些字段,例如文档新鲜度,视图计数或特定数据源。最终用户预先构建的Web应用程序旨在与现有的内部应用程序集成,并具有信号跟踪机制,该机制可跟踪用户单击的链接以及他们执行的搜索以改善基础模型的选项卡。

  Kendra的预览版不包括增量学习,查询自动完成,自定义同义词或分析,Amazon指出。它目前仅提供用于SharePoint Online,JDBC和Amazon的Simple Storage Service(S3)的连接器,并且每天最多可查询40,000个查询,建立索引的100,000个文档以及每个帐户一个索引。

  “这些服务不需要机器学习专业知识。它们只是即插即用。您不必深入所有杂草并获得训练数据并标记数据以及所有类似的东西,” AWS AI服务副总裁Matt Wood今天在台上说。

  今天下午举行的许多发布会紧随其后,包括AWS SageMaker Studio的发布,AWS SageMaker Studio是一种模型培训和管理工作流工具,可将所有代码,笔记本和项目文件夹收集起来,以便机器学习在一个地方。亚马逊还推出了S3访问点,让S3客户为应用程序分配访问策略,并为AI推理指定一个实例-AWS Inf1。