Machine Learning Toolkit(MLTK)|機械学習ツールによる異常検出の効率化

機械学習とSplunkのガイド付きアシスタントで実用的なインサイトを活用
お客様のMLTK活用事例
MLTKで実現できること

SPLとオープンソースライブラリの統合

機械学習SPL (Search Processing Language)
コマンドを使用して、教師あり/教師なしモデルを直接構築、テスト、運用化します。また、Splunk MLTK Container for TensorFlow™ではTensorFlow™ライブラリを使用できます。このライブラリはSplunk認定プロフェッショナルサービスを通じて利用可能です。あらかじめパッケージ化されたPythonのアルゴリズムを使用するか、300種類以上のオープンソースのアルゴリズムをインポートできます。

数値やカテゴリのフィールドを予測

ビジネスにとって重要な意味を持つ数値やカテゴリのイベントに関する予測モデルを構築します。これらの予測モデルをプランニングに使用したり、収益、コスト、需要、使用量、容量などに関する異常の発見に役立てることができます。

大規模なデータセットに対応した高速パフォーマンス

Apache Spark™の信頼できるアルゴリズムによって容易な拡張、高い柔軟性、高速なコンピューティングを実現し、大規模なデータセットにも機械学習モデルを直感的かつ容易に適用できます。また、TensorFlow™ライブラリはSplunk MLTK Container for TensorFlow™からアクセスできます。

数値イベントのクラスター化

クラスタリングアルゴリズムを使用してデータのパーティショニングを行い、挙動が似ているホストを突き止めたり、隠れたパターンを見つけ出したりすることができます。たとえばオンライン購入での未知の傾向やセキュリティ環境における異常、リソース使用の急増などを明らかにすることができます。

数値やカテゴリの外れ値を検出

Webサイトへのアクセスの変動を容易に特定し、通常と異なるトランザクションをタグ付けします。アクセスの急増や異常な値の組み合わせを含むイベントを検出します。以前の値と大きく異なる値を検出し、異常な値の組み合わせが含まれるイベントを検出します。
時系列予測
履歴データに合わせたモデルを作成して将来の数値を予測します。正確な予測に基づくことで、組織のプランニングの精度が向上します。需要に応えるにはハードウェアのアップグレードにどれだけ支出すればよいか、地域の人口増加に対応するために携帯電話基地局の帯域幅をどれぐらい広げればよいかなど、焦点を正確に絞ることができます。
製品機能
データに機械学習を適用して実用的なインサイトを取得することで、豊富な情報に基づく迅速な意思決定が実現
異常検出で危険な兆候を検出

徹底的なトレーニングを行うことで、AIと機械学習がデータのベースラインを設定し、通常であれば見過ごされてしまうような過去の動作からの逸脱や異常を検出します。

米国の核備蓄を監視する活動の中で、国立点火施設(NIF)が異常な動作をどのように発見したかについての事例をご確認ください。

導入事例を読む ›

予測分析で将来に備える

ビジネストランザクション、IoTの入力データ、ITプロセス、セキュリティ運用などのリアルタイムデータに基づいて、正確でプロアクティブな意思決定を行うことができます。また、サービス健全性スコアや容量、保守のニーズなども予測できます。

クラスタリングによってデータからインサイトを取得

データには、人間のアナリストであれば見逃してしまうようなパターンが潜んでいます。それは、ITOpsやセキュリティにおける傾向、新しい市場やビジネスチャンスを示唆する顧客の行動パターンなどです。自動でクラスター分析を行い、類似するデータポイントを見極めてグループ化することで、ノイズの中から有意義なシグナルを発見し、的確な意思決定ができるようになります。

--
Machine Learning Customer Advisory Program FAQs

Machine Learning Customer Advisory Programは、特定のプロジェクトやユースケースに沿ったSplunkのデータサイエンスリソースをお客様に提供して、本番モデルの実行を開始できるように支援します。MLTKのアドバイザリープログラムの参加者には、以下のメリットがあります。

  • MLTKの新機能や拡張機能を早期に利用可能
  • 製品の開発を方向付ける機会を取得
  • MLTKの既存インスタンスのアップグレードや新規インスタンスのインストールをSplunkが支援
  • Splunkのマーケティング活動を通して貴社のブランドのプロモーションを実施

はい。SplunkはTelus社Zillow社TransUnion社などと連携し、これらの企業によるMLTKの導入と活用をサポートしています。

MLTKに関する無料のアドバイザリーサービスと引き換えに、ユーザーの皆様には、Splunk ML製品チームに対して早期に製品のフィードバックを提出することと、MLTKを使用してどのような価値を得たのかを紹介するリファレンス顧客となることに同意していただいています。さらに、参加のために必要なデータをSplunkインスタンスにロードすることにも同意していただく必要があります。このアドバイザリープログラムによって、さまざまなお客様が機械学習の導入に成功していますが、このプログラムはデータサイエンスコンサルティングを提供するものではなく、プロフェッショナルサービスに代わるものでもありません。

良い質問です。すべてのお客様に対応できればよいのですが、プログラムを通じてお客様を確実に成功に導きたいとの考えから、このプログラムを価値あるものにするための一般的な条件をいくつか特定しました。

  • 既にSplunk Enterprise 6.5以降を利用している。
  • 最新バージョンのMLTKまたは少なくともMLTK 3.1リリースを利用している(Splunk Enterprise 6.5とPSC 1.2が必要)。
  • Splunkチームが提供する、新機能が新たに追加されたベータ版を(本番環境以外の環境に)インストールすることに同意する。
  • MLTKを使用して構築したMLモデルを本稼働させるために積極的に協力する。
  • Splunk MLチームとの定期的なコミュニケーションをサポートし、参加する。
  • 組織内にデータサイエンス担当者/専門家が在籍している。該当者は、貴社のデータの処理に非常に精通しており、データサイエンスおよびMLが貴社にもたらす価値について基礎知識を有する必要があります。Splunkのデータサイエンティストが貴社のデータサイエンティストと連携し、MLソリューション/ワークフローの構築を支援します。
  • 以下を含め、マーケティング目的でのリファレンス(事例)となることに同意する:
    • 成功事例の作成に協力する。コンテンツはお客様導入事例、ビデオ、プレスリリースでの引用などとして公開されます。
    • メディアや業界アナリスト、Splunkのその他のお客様に貴社の経験を語る。
    • Splunkユーザーカンファレンス、SplunkLiveイベント、パートナーイベントなどのイベントでスピーカーとなる。
    • ソーシャルメディアでつながる。

このプログラムは参加型で進められるプログラムであり、通常1~2時間程度のWebExミーティングに少なくとも3~4回参加していただきます。このミーティングでは、要件について話し合い、ユースケースとデータを集めて理解を深め、ソリューションの構築を支援します。プログラムのキャパシティは限られているため、すべてのお申し込みが承認されるとは限りません。望ましいエンゲージメント形態はリモートアクセスです。オンサイトでのワークショップも可能ですが、Splunkでは担当者の出張を最低限に留めたいと考えており、可能な限りリモートミーティングとして開催するよう試みます。プログラムの最終目標は、本番環境にモデルをデプロイすることです。

貴社を担当するSplunkアカウントチームまたはSEまでご相談ください。貴社に協力し、Machine Learning Advisory ProgramのSOWを記入して事前資格審査用に提出するお手伝いをします。

ML Customer Advisory Programが最適ではないとしても、別の形でMLをご利用いただくことができます。

たとえば『分析とデータサイエンスのためのSplunk』という3日間のバーチャルコースでは、Splunkの統計および機械学習を使用して分析プロジェクトとデータサイエンスプロジェクトを実装する方法を説明します。★上のセグメントに含めました★これに従って、カスタムモデルを構築して本番環境にデプロイできます。さらに、MLTKベータプログラムに参加してMLTKの新製品リリースの早期ユーザーとなることもお勧めします。これによって製品機能の変更や改善についてのフィードバックを送ることができます。

また、データサイエンスの専門知識を必要としない、機械学習が内蔵されたソリューションも提供しています。  

Splunk IT Service Intelligenceは、機械学習によるAIをイベント管理とサービス監視に適用しています。お客様は、わずらわしいアラートを絞り込んで真の問題を特定して解決したり、実用的なインサイトの取得、ビジネス部門との連携を実現できます。

Splunk User Behavior Analyticsは、教師なしアルゴリズムを利用し、特定の用途に特化した行動重視の構成可能な機械学習フレームワークを使用することで、ユーザー、エンドポイントデバイス、アプリケーションから未知の脅威や異常な行動を検出します。★上のセグメントに含めました★★上のセグメントに含めました★