跳转至

组件

数据处理及模型训练发布的流水线

architecture of model training

解决方案使用 AWS Step Functions 工作流编排从IEEE-CIS数据集到图数据的处理、图神经网络模型训练，到推理接口的部署。详细工作流程如下，

  1. 使用 AWS Lambda 函数下载数据集到 Amazon S3 桶
  2. 执行 AWS Glue 爬网程序从数据集构建 Glue Data Catalog
  3. 执行 AWS Glue 作业对原始数据处理，将表格数据转换为图结构化数据，并写入到 S3 桶
  4. 调用 Amazon SageMaker 来训练基于 DGL 开发的图神经网络模型
  5. 模型训练之后，将所有转换后的图结构化数据导入图数据库 Amazon Neptune
  6. 将自定义推理代码同模型打包
  7. Amazon SageMaker 中创建模型，推理配置，部署推理节点

实时反欺诈检测及业务监控系统

architecture of real-time inference and business dashboard

实时反欺诈检测

解决方案按照以下步骤实现实时反欺诈检测，

  1. 将在线交易请求数据进行预处理，转换为图数据结构
  2. 将图数据（顶点和边）插入到图数据库 Neptune
  3. 以当前交易作为顶点在图数据库中查询有2度关联的交易顶点子图集
  4. 将查询的子图数据发送到推理节点进行推理预测，得到该笔交易的欺诈可能性。把交易信息及欺诈预测结果发送到 Amazon SQS 队列，最终把交易欺诈的可能性返回

交易欺诈监控系统

解决方案使用以下服务实现交易欺诈监控系统，