模塊介紹

SiCAP-數據分析，以數據為基礎，場景為導向，算法為支撐，基于大數據、機器學習、深度學習等技術，對IT資產配置、監控、運維、日志、流程等數據進行綜合智能分析，包括異常風險分析、多維主因、根因分析、智能審計、智能運維、智能預測、智能機器人助手等多個技術方向的落地場景，提升了整體風險感知和安全動態防護。

功能介紹

• 異常風險分析

  日志異常檢測︰基于日志聚類、模式識別等機器學習技術與算法，發現異常日志與潛在風險。
  異常行為分析︰建立行為基線，關聯用戶與資產行為，使用機器學習等算法找出嚴重偏離基線的可疑異常行為。
  威脅攻擊監測︰基于網絡流量，應用機器學習、深度學習等人工智能技術與算法，回溯分析異常網絡行為，通過與威脅情報、行為模型匹配，發現潛在安全威脅和未知網絡攻擊。
• 多維主因分析

  主要是對流量事件的多維主因分析，能夠找出產生流量異常的主要維度。
• 根因分析

  對告警或異常事件，結合網絡拓撲、資產及業務關聯關系、故障傳遞關系等，應用決策樹、關聯分析等智能算法，定位問題根源，有效縮短故障解決時間。
• 智能審計

  對運維會話與歷史審計記錄，應用大數據與機器學習算法，通過分析字符命令和用戶行為形成規則庫，通過匹配規則庫審計運維操作命令和操作行為是否正常，對運維會話進行智能審計，提供智能評分與健康度等級，輔助審計管理員日常審計工作，並可根據最終審計結果對規則庫進行動態更新。
• 智能運維

  運維授權推薦︰應用智能算法，根據歷史授權，用戶角色、屬性以及資產信息，對新用戶進行授權推薦，方便快速授權。
  快速派單推薦︰當資產發生故障或異常時，基于智能算法和自動化腳本搜集故障特征、分析故障原因，形成故障特征，根據這些故障特征和歷史運維行為生成工單推薦信息，方便快速形成特殊運維工單進行運維處理。
  運維故障解決方案推薦︰通過分析歷史運維信息，並結合用戶提供的運維解決方案知識，形成運維知識庫，基于故障特征進行解決方案推薦和相關歷史運維信息推薦，協助用戶快速解決故障。
• 智能預測

  依托大數據分析和機器學習能力，建立起面向業務場景的故障預測模型，基于歷史告警的相關性進行關聯分析和深度學習。同時與監控系統實時獲取的數據結合，進行IT故障、容量等的趨勢分析和預測，對未來可能發生的故障進行預警，實現故障的智能預測。
• 智能助手

  在信息生產方和信息消費方之間搭建起橋梁，采用高性能計算框架，通過采集用戶歷史行為與功能關聯性等數據進行整理，基于機器學習、數據挖掘等技術，建立用戶畫像體系，融合多種算法模型，全方位、多維度精準預測、推薦用戶所需功能或內容，降低用戶操作成本。