ディープラーニングによる異常検知aiソリューション ·...

2
ディープラーニングによる異常検知AIソリューション NTT-ATは、NTT研究所のディープラーニングに基づく異常検知技術「DeAnoS ® (ディアノス)Deep Anomaly Surveillance※」を核としたソリューションをリリース致します。 閾値ルールなどの保守者の経験や、設計に基づく従来の異常検知⽅式では対応の難しかった「異常の判断」や「異常の要因 推定」、「潜在的な未知の障害の発⾒」を深層学習(ディープラーニング)により解決へ導きます。 多様な機器から収集される⼤量のデータそれぞれにルールを設定する膨⼤な時間と⼿間を短縮し、⾒極めの難しい異常判断 を容易にします。 また、BIツール「TIBCO Spotfire ® 」を連携することで、お客様⾃⾝による対処判断や⾒守りを⾏うソリューションも提供 致します。 DeAnoS DeAnoSモジュール Deep learning (Auto Encoder) 数値化, JSON形式 変換 Syslog Syslog MIB MIB Net flow Net flow Sarlog Sarlog その他 各種ログデータ その他 各種ログデータ 収集 蓄積 整備 変換 学習/再学習 異常検知/予兆検知 要因推定 ナレッジDB ナレッジ蓄積による 解析の自動対処 可視化 1 POINT 2 POINT 3 POINT 未知・極めて稀に 発⽣する障害の発⾒ 要因推定が可能 実運用化を目指す 滅多に起こらない故障でも、発⽣すれば 重⼤な損害を及ぼす危険性があります。 従来の閾値による監視と⽐べて精度の⾼い 技術を利用し、検知の⾒逃しや誤検知を 防ぐことができます。 DeAnoSでは、異常を検知するだけでなく、 異常の主要因を推定できます。これにより 異常箇所の切り分けにかかる時間を削減し、 異常の影響を⼩さくすることが可能です。 また予防保全にも活かすことができます。 ビッグデータの実用化に向けたプロジェク トは、計画したコンセプトの実証(PoC)か ら始めることが一般的ですが、単に「PoC をやった」で終わらない、PoCの先の実装 段階に進むための目的や課題の明確化から データ準備・分析・効果検証を⾏い、実装 と定着化まで支援いたします。 http://www.ntt-at.co.jp/product/datasol_011/ TIBCO Spotfire

Upload: others

Post on 20-May-2020

3 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: ディープラーニングによる異常検知AIソリューション · ディープラーニングによる異常検知AIソリューション ... 多様な機器から収集される⼤量のデータそれぞれにルールを設定する膨⼤な時間と⼿間を短縮し、⾒極めの難しい異常判断

ディープラーニングによる異常検知AIソリューションNTT-ATは、NTT研究所のディープラーニングに基づく異常検知技術「DeAnoS®(ディアノス)Deep AnomalySurveillance※」を核としたソリューションをリリース致します。閾値ルールなどの保守者の経験や、設計に基づく従来の異常検知⽅式では対応の難しかった「異常の判断」や「異常の要因推定」、「潜在的な未知の障害の発⾒」を深層学習(ディープラーニング)により解決へ導きます。多様な機器から収集される⼤量のデータそれぞれにルールを設定する膨⼤な時間と⼿間を短縮し、⾒極めの難しい異常判断を容易にします。また、BIツール「TIBCO Spotfire®」を連携することで、お客様⾃⾝による対処判断や⾒守りを⾏うソリューションも提供致します。

DeAnoS

DeAnoSモジュール

Deep learning(Auto Encoder)

数値化,JSON形式

変換

SyslogSyslog

MIBMIB

NetflowNetflow

SarlogSarlog

その他各種ログデータ

その他各種ログデータ

収集蓄積整備変換

学習/再学習

異常検知/予兆検知

要因推定ナレッジDB

ナレッジ蓄積による解析の自動対処

可視化

1POINT

2POINT

3POINT

未知・極めて稀に発⽣する障害の発⾒

要因推定が可能 実運用化を目指す

滅多に起こらない故障でも、発⽣すれば重⼤な損害を及ぼす危険性があります。従来の閾値による監視と⽐べて精度の⾼い技術を利用し、検知の⾒逃しや誤検知を防ぐことができます。

DeAnoSでは、異常を検知するだけでなく、異常の主要因を推定できます。これにより異常箇所の切り分けにかかる時間を削減し、異常の影響を⼩さくすることが可能です。また予防保全にも活かすことができます。

ビッグデータの実用化に向けたプロジェクトは、計画したコンセプトの実証(PoC)から始めることが一般的ですが、単に「PoCをやった」で終わらない、PoCの先の実装段階に進むための目的や課題の明確化からデータ準備・分析・効果検証を⾏い、実装と定着化まで支援いたします。

http://www.ntt-at.co.jp/product/datasol_011/

TIBCO Spotfire

Page 2: ディープラーニングによる異常検知AIソリューション · ディープラーニングによる異常検知AIソリューション ... 多様な機器から収集される⼤量のデータそれぞれにルールを設定する膨⼤な時間と⼿間を短縮し、⾒極めの難しい異常判断

記載された社名、各製品名等は各社の商標または登録商標です。 本カタログ記載のグラフはサンプルです。本カタログ記載の内容は予告なく変更することがあります。 カタログ記載内容 2019年11月現在

ビジネスインテリジェンスAIセンタ データ分析コンサルティングセンタ〒180-0006 東京都武蔵野市中町1-19-18 武蔵野センタービル

■異常の要因推定

項 目 仕様詳細OS Ubuntu 16.04 TLS(64bit版)CPU Intel Xeonシリーズ(64ビットCPU)推奨メモリ 8GB以上推奨ハードディスク容量 1TB以上推奨GPU Tesla P100以上推奨ソフトウェア Python,Apache License 2.0,PostgreSQL

ソリューション概要

■⾒える化|TIBCO Spotfire®

■標準的なスケジュール感

■動作サーバの主な仕様

運用フィールドテスト開発PoC要件定義

TEL︓0120-057-601(商品お問い合わせセンタ)http://www.ntt-at.co.jp/product/datasol_011/

お問い合わせ

異常検知要因推定

要因度7.0 要因度2.0

1〜2 ヶ月 2〜3 ヶ月 3〜6 ヶ月 3ヶ月〜

■DeAnoS®開発元 NTTネットワーク基盤技術研究所※「DeAnoS®」はNTTグループのAI「corevo®」を構成する技術です。

「DeAnoS®」、「corevo®」は日本電信電話株式会社の商標です。(http://www.ntt.co.jp/corevo/)

①異常を検知②要因度を確認③要因を推定

学習フェーズでは、異常のない平常状態のデータからニューラルネットワークの学習を実施し、モデル化を⾏います。検知フェーズでは、平常状態からの乖離度を⽰す「異常度」を算出し、その度合により異常を判定します。算出した異常度に対する「要因度」を対象パラメータ毎に割り出すことで、異常要因となるパラメータを推定します。

検知結果については、必要な時に状況確認や判断が⾏えるよう⾒える化を⾏うことが望ましいです。その際には、利便性の⾼いBIツール Spotfire の利用をお勧めします。Spotfireを含むTIBCOシリーズではリアルタイムでの分析が可能なツールのご提供も可能です。

目的に応じて、システム導入・DeAnoSモジュールの提供・PoCの実施などのご提案が可能です。

(例)お客様環境へのシステム導入の流れ

要因度1.2