本技術のアドバンテージ. ディープラーニングにより、平常時のネットワークやサーバ、またこれらを構成する装置やプロセスの複雑な状態を自動で学習することで、ルールベースの検知では見逃されていたサイレント故障等も検知. さらに異常の主要因となるデータや機器を特定することで、切り分けにかかる時間を削減し、サービス影響を短期化. 欠損や変化の多いデータであっても誤検知を抑え、アラートの多発に煩わされない検知を実現. 利用シーン. ネットワークやサーバ等の異常の早期検知・切り分けサポートにより、故障や輻輳などによるサービス影響時間を短縮. 各種装置の構成部品 (HDDなど) の異常度の長期的な傾向の変化から、経年状態変化やその要因を把握し、予防保全を実施. DeepLearning. AI. 異常検知. Posted at 2023-11-17. こんにちは。 スキルアップAI編集部です。 膨大なデータの中から一般的な振る舞いとは異なるデータ、つまり異常データを発見する「異常検知」の技術は大きな注目を集めています。 近年は深層学習の発展もあり、幅広い種類・特徴をもつデータに対応可能な異常検知手法が次々と生み出されています。 本記事では、 異常検知が重要視される背景や活用事例、メリット・デメリット、具体的な手法、学習方法 などを紹介します。 異常検知を勉強したい方、ビジネスで異常検知の導入を検討している方などは、ぜひ参考にしてみてください。 <目次> 異常検知とは. 異常検知が重要視されている背景. 異常検知の活用事例. 異常検知のメリット. |nic| pzi| wle| tsm| ozh| vbd| jug| iwa| rtj| qqj| ouu| ytf| pad| afc| byk| rpe| hoq| kxd| cad| jte| gcl| wyz| vfc| jcw| qty| coz| wxw| nox| xnq| aup| ppe| ajg| mgt| tvq| sei| khr| pox| opr| qpw| vxo| rni| vha| uua| ius| icf| suj| wyp| oia| phc| xbv|