架构概览

使用默认参数部署此解决方案会在 AWS 云中构建以下环境。

图 1：构建图结构化数据、模型训练及部署的架构

图 2：实时反欺诈检测及业务监控系统的架构

此解决方案在您的 AWS 账户中部署五个 AWS CloudFormation 模板并设置以下内容：

1. 第一个 AWS CloudFormation 模板 realtime-fraud-detection-with-gnn-on-dgl 创建了：
   • 包含运行 NAT 网关 和 Internet 网关的 Amazon Virtual Private Cloud (Amazon VPC)。
   • 包含一个只读副本的图数据库 Amazon Neptune 集群，默认为 db.r5.xlarge 实例。
   • Amazon SQS 消息队列。
2. 第二个 CloudFormation 模板名为 realtime-fraud-detection-with-gnn-on-dgl-trainingNestedStack 开头，创建了：
   • AWS Step Functions 工作流从原始表格金融交易数据到训练基于图神经网络的模型，且部署为在线推理接口。
   • AWS Glue 数据目录及 ETL 作业，用于转换原始表格数据为图结构化数据。
   • 运行在 Amazon ECS 上的 AWS Fargate 容器将图结构数据导入到图数据库 Amazon Neptune。
   • Amazon SageMaker 训练模型且部署模型为在线推理接口。
   • AWS Lambda 函数完成原始数据注入、模型训练后处理等工作流步骤。
3. 第三个 CloudFormation 模板名为 realtime-fraud-detection-with-gnn-on-dgl-inferenceNestedStack 开头，创建了：
   • AWS Lambda 函数实现了实时反欺诈推理接口。
4. 第四个 CloudFormation 模板名为 realtime-fraud-detection-with-gnn-on-dgl-dashboardNestedStack 开头，创建了：
   • Amazon DocumentDB 用于存储实时反欺诈检测过的在线交易及欺诈交易的属性，其用户秘钥保存在 AWS Secrets Manager。
   • AWS Lambda 函数接收实时在线交易，并将它们保存在 DocumentDB 。
   • 部署在 Amazon S3 且通过 Amazon CloudFront 分发的业务监控系统 Web 程序。
   • 使用 Amazon API Gateway 和 AWS AppSync 实现的业务监控系统后端程序。
5. 第五个 CloudFormation 模板名为 realtime-fraud-detection-with-gnn-on-dgl-DashboardDatabaseRotation 开头，创建了：
   • AWS Lambda 函数周期性的轮换保存在 Secrets Manager 中的 DocumentDB 用户及秘钥。

为了实现冗余，Amazon VPC 使用两个可用区 (AZ) 中的子网创建，以实现高可用性。 NAT 网关、 Amazon Neptune 、 Amazon DocumentDB 、 AWS Glue 等资源部署在这两个可用区中。