Was ist die Anomalieerkennung?
Bei der Erkennung von Anomalien werden bestimmte Datenpunkte untersucht und seltene Vorkommnisse erkannt, die verdächtig erscheinen, weil sie sich von den etablierten Verhaltensmustern unterscheiden. Die Erkennung von Anomalien ist nicht neu, aber da die Datenmenge zunimmt, ist die manuelle Verfolgung unpraktisch.
Warun ist die Anomalieerkennung wichtig?
Die Erkennung von Anomalien ist besonders wichtig in Branchen wie dem Finanzwesen, dem Einzelhandel und der Cybersicherheit, aber jedes Unternehmen sollte eine Lösung zur Erkennung von Anomalien in Betracht ziehen. Sie bietet ein automatisiertes Verfahren zur Erkennung von negativen Ausreißern und schützt Ihre Daten. Das Bankwesen ist beispielsweise eine Branche, die von der Erkennung von Anomalien profitiert. Damit können Banken betrügerische Aktivitäten und inkonsistente Muster erkennen und Daten schützen.
Daten sind die Lebensader Ihres Unternehmens, und eine Gefährdung dieser Daten kann Ihren Betrieb gefährden. Ohne die Erkennung von Anomalien könnten Sie Einnahmen und Markenwert verlieren, die Sie über Jahre hinweg aufgebaut haben. Ihr Unternehmen ist mit Sicherheitsverletzungen und dem Verlust sensibler Kundendaten konfrontiert. Wenn dies geschieht, verlieren Sie ein Maß an Kundenvertrauen, das möglicherweise nicht wiederhergestellt werden kann.
Was ist die Geschichte der Anomalieerkennung?
Früher untersuchten Unternehmen Datenpunkte manuell und suchten nach Hinweisen und Erkenntnissen über die Leistung ihrer Systeme. Mit dieser Methode konnten die Ursachen nicht immer aufgedeckt werden. Ein Unternehmen hat vielleicht eine Verhaltensänderung bemerkt, konnte aber die Ursachen dafür nicht aufdecken. In solchen Situationen bleibt das Problem bestehen und die Daten sind gefährdet. Heute stützt sich die Anomalieerkennung mehr auf Machine Learning (ML). ML hilft, diese schwer zu identifizierenden Ausreißer zu erkennen, sie zu entschärfen und Ihr System zu schützen.
Wohin wird sich die Anomalieerkennung als nächstes entwickeln?
Vorhersagbarkeit ist der nächste Schritt bei der Erkennung von Anomalien. Mit der Vorhersagbarkeit können Sie Ausreißer auf maschineller Ebene finden. Dadurch lassen sich Schäden an Ihrem System verhindern, bevor sie auftreten. So kann beispielsweise ein Krankenhaus, das nicht weiß, wie ein Angriff aussehen wird, von der Vorhersehbarkeit profitieren. Dank der Vorhersehbarkeit kann das Krankenhaus Regeln aufstellen, um Angriffe zu verhindern und sensible Daten sowie ihre Umgebung zu schützen.
Welche Vorteile bietet die Anomalieerkennung?
Die Anomalieerkennung bietet mehrere Vorteile. Erstens können Sie ein Problem lokalisieren und beheben, bevor es andere Teile Ihres Systems erreicht. Dies führt zu einer Kostenersparnis, da Sie nur einen Bereich statt des gesamten Systems in Angriff nehmen müssen. Bei der Anomalieerkennung kommt der Kundendienst ins Spiel. Wenn Ihr System kompromittiert wird, sind die Chancen groß, dass Ihre internen und externen Kunden den größten Preis dafür zahlen. Durch die Erkennung von Anomalien können Sie diese Bedrohung minimieren und, was noch wichtiger ist, das Vertrauen in alle Ihre Kundensegmente erhalten.
Welche Herausforderungen gibt es bei der Anomalieerkennung?
Die Skalierung ist die häufigste Herausforderung, auf die Kunden bei der Einführung einer Strategie zur Anomalieerkennung stoßen. Die meisten Kunden nutzen diese Technologie noch nicht, und es kann schwierig sein, den Betrieb für diese Technologie zu skalieren. Die Festlegung geeigneter Schwellenwerte für Daten ist eine Herausforderung. Auf diese Weise wird sichergestellt, dass die Integrität Ihrer Bemühungen nicht beeinträchtigt wird, sobald Ihre Lösung implementiert ist.
Wer verwendet die Anomalieerkennung?
Plattform- und Sicherheitsadministratoren, Anwendungsentwickler und Site-Reliability-Ingenieure verwenden am ehesten die Anomalieerkennung.
Wie funktioniert die Anomalieerkennung?
Die Erkennung von Anomalien identifiziert verdächtige Aktivitäten, die von Ihren normalen Verhaltensmustern abweichen. Eine Lösung schützt Ihr System in Echtzeit vor Vorfällen, die zu erheblichen finanziellen Verlusten, Datenschutzverletzungen und anderen schädlichen Ereignissen führen könnten.
Wie erstellt man eine Strategie zur Erkennung von Anomalien?
Eine Strategie der Anomalieerkennung beginnt mit der Ermittlung von Key Performance Indicators (KPIs). Diese sind in der Regel mit dem Geschäftsproblem verbunden, das Sie lösen wollen. Sie müssen auch die Merkmale Ihrer Daten verstehen. Wie fließen sie in Ihr Netzwerk ein? Handelt es sich um ein fortlaufendes Verfahren oder ein Batch-Verfahren? Welche Datenpunkte verfolgen Sie? Die Beantwortung dieser Fragen hilft bei der Gestaltung Ihrer Strategie, da die Daten in diesem Prozess eine wichtige Rolle spielen. Erstellen Sie dann ein Budget und setzen Sie sich Ziele. Vergewissern Sie sich schließlich, dass jedes Mitglied Ihres Teams die Ziele und die Rolle, die es bei der Erreichung dieser Ziele spielt, versteht.
Was sind die AWS-Angebote für die Anomalieerkennung?
AWS bietet ein breites Portfolio an Lösungen zur Erkennung von Anomalien, darunter AWS Panorama, Amazon CloudWatch, Amazon DevOps und Amazon OpenSearch, um nur einige zu nennen.
Die folgenden Diagramme geben einen Überblick über einige der Architekturen von Panorama und Kinesis.
Wie funktioniert die Anomalieerkennung mit AWS?
Dies hängt vom jeweiligen Bedarf ab. AWS bietet verschiedene Lösungen an, darunter:
- Amazon Sagemaker: Sagemaker ist eine Cloud-Plattform für Machine Learning. Es kann verwendet werden, um Vorhersagen zu erstellen und Verhaltensweisen zu verfolgen, ohne Code zu schreiben.
- Amazon Kinesis: Kinesis wird für die Datenerfassung verwendet und verfügt über eine Funktion, die jeder entdeckten Anomalie eine Bewertung zuordnet. Kinesis ist ein verwaltetes Tool, mit dem sich Anomalien leicht erkennen und auf sie in Echtzeit reagieren lassen.
Wie setzen andere Kunden die Anomalieerkennung ein?
Amazon-Kunden genießen die Möglichkeit, unsere Tools an ihre Bedürfnisse anzupassen. Die Isolierung ist ein Schlüsselfaktor in ihren Unternehmen, und die Anomalieerkennung ermöglicht ihnen, dies zu tun. Die Lösungen von Amazon haben ein prädiktives Element, das wichtig ist, weil die Kunden verstehen wollen, wie es zu der Anomalie gekommen ist. Dies hilft bei der Entwicklung von Lösungen, die zukünftige Ereignisse vorhersagen und ihre Systeme schützen.
Zu den Kunden, die die Vorteile der Amazon-Lösungen zur Erkennung von Anomalien erkannt haben, gehören Autodesk, FOX, Zynga und NextDoor.
Weitere Informationen finden Sie unter https://aws.amazon.com/kinesis/data-analytics/customers/
Nächste Schritte auf AWS
Sie erhalten sofort Zugriff auf das kostenlose Kontingent von AWS.
Starten Sie mit der Entwicklung in der AWS-Managementkonsole.