機器學習專家正在與一家大型網絡安全公司合作,該公司爲世界各地的公司實時管理安全事件。該網絡安全公司希望設計一種解決方案,使其能夠使用機器學習將惡意事件作爲異常數據進行評分。
A. 用 Amazon Kinesis Data Firehose 接收數據,並使用 Amazon Kinesis Data Analytics Random Cut Forest (RCF) 進行異常檢測 然後使用 Kinesis Data Firehose 將結果流式傳輸到 Amazon S3
B. 用亞馬遜 EM 將數據輸入 Apache Spark Streaming
C. 使用帶有 k-means 的 Spark MLlib 進行異常檢測 然後將結果存儲在 Apache Hadoop 分布式文件系統 (HDFS) 中,使用複製係數爲三的 Amazon EMR 作爲數據湖
D. 入數據並將其存儲在 Amazon S3 中 使用 AWS Batch 和 AWS 深度學習 AMI,在 Amazon S3 中的數據上使用 TensorFlow 訓練 k-means 模型。
E. 收數據並將其存儲在亞馬遜 S3 中。讓按需觸發的 AWS Glue 作業轉換新數據 然後使用 Amazon SageMaker 內置的隨機切割森林 (RCF) 模型檢測數據中的異常情況