怎样高效应用自动化异常检测系统
发布时间：2022-01-05 10:33:03 所属栏目：安全 来源：互联网
导读：什么是警报频率：警报频率在很大程度上取决于被检测流程的敏感性，包括反应时间等指标。一些应用程序的检测需要低延迟，比如在几分钟内检测到用户的可疑欺诈支付交易并将其提示给用户，以防银行卡被滥用；还有一些应用程序的检测，则无需特别敏感，例如来自手
|
什么是警报频率：警报频率在很大程度上取决于被检测流程的敏感性，包括反应时间等指标。一些应用程序的检测需要低延迟，比如在几分钟内检测到用户的可疑欺诈支付交易并将其提示给用户，以防银行卡被滥用；还有一些应用程序的检测，则无需特别敏感，例如来自手机基站的呼入和呼出，可以汇总到每小时级别，而不是以5分钟为间隔进行测量。因此可采取适用性测量应对敏感性警报过多的情况。 可扩展解决方案需求：电子商务或金融科技等行业企业，由于此类企业对速度或可扩展性的需要，可能将数据保存在大数据环境中。在一些大数据场景中，硬件和软件的可扩展性需要分别由Hadoop和Spark等系统来处理，而在常规场景中则需要考虑RDBMS和Python编程。 无监督与半监督解决方案：虽然部署无监督学习算法来检测基于时间序列的数据的异常是一种常见的解决方案，但这些系统经常会产生大量误报。在这种情况下，如果企业发现警报数量较多，他们可以根据评分优先处理警报，并且可以设置更高的阈值分数以增加对关键异常的关注。但是，也确实存在半监督算法，它使算法能够根据用户对生成的异常反馈进行重新训练，在后期不会重复此类错误，但重要的是要记住，集成半监督算法确实有其自身的挑战。 如何阅读和优先处理各种异常以采取行动：异常类型在基于点、上下文和集体等不同性质上的处理需求不同。基于点的异常是从单个序列生成的异常，这些异常可能是一对一的；上下文异常是在不同时间段表现为异常的异常，否则将被视为正常数据点。上下文异常的示例可能是，如果在下午呼叫量激增不会被视为异常，而如果在午夜发生相同数量的激增，则将被视为异常。上下文异常也出现在单个系列上，类似于基于点的异常；最后，集体异常出现在各种数据系列中，这些集合试图创建一个完整的故事。公司应该定义他们正在寻找的异常类型，以便充分利用异常检测系统。此外，通过基于评分系统对异常进行优先级排序，可以给予更高级别的异常更多的优先权。 （编辑：PHP编程网 - 黄冈站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330482号