Az anomália felderítés célja, hogy megkönnyítsük azon szakemberek munkáját, akiknek nagy mennyiségű adatból kell megtalálniuk a rendkívüli eseteket.
Sok vállalatnál jelenleg ezek a folyamatok vagy nincsenek automatizálva egyáltalán, vagy csak egy-egy forrásrendszert lehet vizsgálni. A gépi tanulással megtámogatott anomália felismerés célja, hogy akár összefüggő, akár egymástól elvileg független rendszerek közt megtalálja az összefüggéseket, és az olyan, gyanús eseményeket, amelyek az egyes paramétereik alapján nem igazodnak a működési folyamatba, eltérnek a normál működéstől. A modell által talált eseményeket ezután részletesebben is megvizsgálhatja emberi szakember.
Főbb jellemzői
- Képes nagy és komplex adathalmazt begyűjteni (pl.: logadatok)
- Ezekből tetszőlegesen összeállítani egyedi táblákat (teljesen a megrendelőre szabható a beöntött logok típusa, formája, stb.)
- Ezekben anomáliákat találni gépi logika segítségével
- Ezekről értesíteni a kezelőket
- Mindezt egy modern és felhasználó barát vizuális felületen
Sikerkritériumok
- Megfelelő mennyiségű tanítóállomány
- Javasolt az adatokat több helyről gyűjteni a szervezeten belül, hogy minél komplexebb hibákat észlelni tudjon a rendszer.
- A forrásrendszerekből, ahonnan a tanításhoz begyűjtöttük az adatokat, utána valós időben is szolgáltatni kell az adatokat
- Bizonyos időközönként a modell finomhangolása/újratanítása a még pontosabb eredmények érdekében.
Előnyök
- A szükséges adatok legtöbb esetben a cég rendelkezésére állnak, csak nem gyűjtik ezeket megfelelő módon.
- Ezzel a megoldással gyorsíthatók a hibajavítási folyamatok, illetve megfelelő előtanítás után már a bekövetkezés előtt jelezhetők.
