組織が、サイバーセキュリティの脅威、不正な金融取引、製品の欠陥、機材の正常性を監視する必要があるかどうかに関わらず、人工知能 (AI) は、ビジネスに影響を与える前にデータの異常を検知するのに役立ちます。自動的にデータセットを分析し、「異常な動作」を定義し、パターン違反を迅速かつ効果的に特定するよう、AI モデルをトレーニングし、展開できます。こうしたモデルをその後、今後の異常性予測に利用できます。業界をまたいで大量のデータを利用できて、正常パターンと異常パターンの区別が微妙であれば、組織が AI を利用して脅威となる異常性をすばやく検出することが非常に重要です。
このワークショップでは、AI を基盤とする手法を複数実装し、長距離通信のネットワーク侵入を特定するというユース ケースを解決します。GPU 対応 XGBoost、ディープラーニング基盤のオートエンコーダー、敵対的生成ネットワーク (GAN) を利用した 3 つの異なる異常性検出手法について学習し、次に、教師ありと教師なしの学習手法を実装し、比較します。ワークショップを修了すると、遠距離通信、サイバーセキュリティ、金融、製造、その他の主要産業での職場で AI を利用して異常を検出できるようになります。
学習目標
このワークショップでは、次のことを行います。
- XGBoost、オートエンコーダー、GAN を利用し、データを準備し、モデルを構築、トレーニング、評価する
- ラベルありとラベルなしのデータを両方利用し、データセット内の異常を検出する
- 元のデータのラベルに関係なく、異常を複数のカテゴリに分類する
ワークショップ データシートをダウンロードする (PDF 81.7 KB)