Splunk به قابلیت‌های یادگیری ماشین خود در سرتاسر پلتفرم خود می‌افزاید

Splunk

Splunk همیشه به عنوان مرکز داده برای اطلاعات عملیاتی IT شناخته شده است، اما با افزایش حجم داده‌های ذخیره شده، برای انسان غیرممکن شده است که از پس آن برآید. با توجه به این موضوع، Splunk از سال گذشته شروع به ساخت یادگیری ماشین و هوش مصنوعی کرد و این هفته در حال ارتقا این قابلیت‌ها برای سطح بندی داده‌های حیاتی است. این شرکت در حال افزودن هوش به سرتاسر پلتفرم خود است، در برخی موارد به شرکت‌ها امکان می‌دهد تا برنامه‌های یادگیری ماشین سفارشی خود را بر اساس پایگاه داده Splunk بسازند، در حالی که برای مشتریانی که تمایل به کدنویسی ندارند، اتوماسیون را معرفی می‌کند. “با نظارت سنتی، شما خستگی هشدار [از اطلاعات بیش از حد] را تجربه می‌کنید. ما می‌خواهیم از آموزش داده‌ها و تشخیص الگو برای دسته‌بندی هشدارها و سطح بندی اطلاعات مهم استفاده کنیم. ما رویکردی دو جانبه در زمینه یادگیری ماشین در پیش گرفته‌ایم. ما ابزار دستی برای افرادی که می‌خواهند با استفاده از [ابزاری مانند] Scala مدل‌های خود را ایجاد کنند، در اختیار داریم. ما همچنین قابلیت‌های یادگیری ماشین را در راه حل‌ها قرار داده‌ایم تا به سرعت کارهایی را با یادگیری ماشین انجام دهند,” جان رونی، رئیس بازاریابی محصول در Splunk، به TechCrunch گفت. به طور خاص، Splunk می‌خواهد به مرکز داده‌هایی که از منابعی مانند امنیت، عملیات، استقرار مداوم و اینترنت اشیاء در حال ظهور، وارد و خارج می‌شوند، تبدیل شود. سپس در حالت ایده‌آل، می‌خواهد نرم‌افزار به طور خودکار اقداماتی را انجام دهد. استفاده از یادگیری ماشین، انسان‌ها را از بخش نظارت حذف می‌کند و فقط در صورت نیاز، با فرض اینکه مدل‌های یادگیری ماشین به درستی تنظیم شده باشند، به آنها هشدار می‌دهد.

جعبه ابزار یادگیری ماشین Splunk دارای چندین ویژگی کلیدی جدید طراحی شده برای افراد متخصص است. اول از همه، یک ابزار جدید تمیزکاری داده برای آماده سازی داده‌ها برای مدل وجود دارد. در مرحله بعد، API های یادگیری ماشین برای وارد کردن الگوریتم‌های منبع باز و اختصاصی و اعمال آنها در Splunk وجود دارد. در نهایت، یک مؤلفه مدیریت یادگیری ماشین برای ادغام مجوزهای کاربر به طور مستقیم از Splunk به برنامه‌های یادگیری ماشین سفارشی وجود دارد. برای افرادی که ترجیح می‌دهند Splunk برخی از کارها را برای آنها انجام دهد، همچنین چیزهای جدیدی وجود دارد، از جمله Splunk ITSI 3.0، که از یادگیری ماشین برای شناسایی مشکلات و اولویت بندی آنها بر اساس میزان حساسیت یک عملیات خاص برای کسب و کار استفاده می‌کند. مؤلفه‌های یادگیری ماشین به مرور زمان یاد می‌گیرند که کدام توابع مهم‌تر هستند و کدام مهم نیستند و توابع مهم را برای رسیدگی به عملیات سطح بندی می‌کنند. رونی می‌گوید این نوع اتوماسیون به یک ضرورت تبدیل شده است، زیرا مشتریان نمی‌توانند از پس حجم داده‌ها و هشدارها برآیند و به ابزارهایی برای معنی‌دار کردن آنها نیاز دارند. رونی توضیح داد: “هیچکس به چراغ‌های سبز، زرد و قرمز نگاه نمی‌کند و کار را به طور موثر انجام نمی‌دهد”.

منبع خبر

- تبلیغات-