此圖像顯示使用 Oracle Compute Cloud@Customer 、 Kafka ，以及 Docker 容器中的 Morpheus 管線進行即時詐騙預測的管線工作流程，並堆疊在下方。

主機環境：流程會從 Transaction data (validation.csv) 向下開始，直到位於主機環境中的 Python 產生器為止。

• 右側的「即時詐騙預測」會寫在人員的圖示旁邊。

Kafka ：流程會繼續向下至 Kafka 主題：INPUT (gnn_fraud_input) (位於 Kafka 泳道中)。

• 在中間的「主機環境」和「Morpheus 管線」底下，此段落代表輸入和輸出訊息串流。
• 在左側，會顯示 ""，並加上 "Input stream" 標籤。

Morpheus 管線 (Docker 容器)：工作流程會從 INPUT (gnn_fraud_input) 持續到位於 Morpheus 管線泳道的 Kafka 來源。

• Kafka 的來源會流向「還原序列化」。
• 還原序列化連接至 Graph 建構。
• 圖形建構連接到 GNN interface (GraphSAGE)。
• GNN interface (GraphSAGE)" (neural network icon) 會連線至 Classification (XGBoost)。
• Classification (XGBoost) 以序列化。
• 序列化會連線至 Kafka 槽。

Kafka 的接收器會連線至 Kafka 泳道中的 Kafka topic: OUTPUT (gnn_fraud_output)。

Kafka topic: OUTPUT (gnn_fraud_output) 可連線至主機環境 swimlane 中的 Python 用戶。

Python 用戶可連接到主機環境中的即時詐欺預測。