Что такое Детектор аномалий?
Внимание
Начиная с 20 сентября 2023 г. вы не сможете создавать новые Детектор аномалий ресурсы. Служба Детектор аномалий отменяется 1 октября 2026 года.
Детектор аномалий — это служба искусственного интеллекта с набором API, которая позволяет отслеживать и обнаруживать аномалии в данных временных рядов с небольшими знаниями машинного обучения (ML), пакетной проверкой или выводом в режиме реального времени.
Эта документация включает статьи следующих видов:
- Краткие руководства — пошаговые инструкции, которые помогут вам вызвать службу и быстро получить результат.
- Интерактивная демонстрация поможет понять, как Детектор аномалий работает с простыми операциями.
- Руководства — содержат инструкции для более специфического или специализированного использования службы.
- Учебники — расширенные руководства, которые описывают использование службы в качестве компонента бизнес-решений.
- Примеры кода демонстрируют использование Детектор аномалий.
- Концептуальные статьи содержат подробные сведения о функциональных возможностях и функциях службы.
возможности Детектор аномалий
С помощью Детектор аномалий можно обнаружить аномалии в одной переменной с помощью univariate Детектор аномалий или обнаружить аномалии в нескольких переменных с помощью многовариантных Детектор аномалий.
| Возможность | Description |
|---|---|
| Унивариативное обнаружение аномалий | Обнаруживайте аномалии в одной переменной, например доход, затраты и т. д. Модель была выбрана автоматически на основе вашего шаблона данных. |
| Многовариантное обнаружение аномалий | Обнаруживайте аномалии в нескольких переменных с корреляциями, источником которых обычно служит оборудование или другая сложная система. Используется базовая модель — сеть "Внимание графа". |
Унивариативное обнаружение аномалий
Api univariate Детектор аномалий позволяет отслеживать и обнаруживать аномалии в данных временных рядов без необходимости знать машинное обучение. Алгоритмы адаптируются, автоматически определяя и применяя лучшие модели к данным независимо от отрасли, сценария или объема данных. Используя данные временных рядов, API определяет границы для обнаружения аномалий, ожидаемые значения и точки данных, которые являются аномалиями.
Для использования Детектора аномалий не требуется опыта работы с машинным обучением, при этом REST API позволяет легко интегрировать службу в ваши приложения и процессы.
С помощью Детектора аномалий с однопараметрическим обнаружением можно автоматически обнаруживать аномалии в данных временных рядов или по мере их появления в режиме реального времени.
| Возможность | Description |
|---|---|
| Обнаружение для потоковой передачи | Обнаружьте аномалии в потоковой передаче данных, используя ранее просмотренные точки данных, чтобы определить, является ли последняя точка аномалией. Эта операция приводит к созданию модели, которая использует отправленные точки данных и определяет, является ли целевая точка аномалией. Путем вызова API с каждой новой сгенерированной точкой данных, можно отслеживать свои данные по мере их создания. |
| Пакетное обнаружение | Используйте временной ряд, чтобы обнаружить любые аномалии, которые могут существовать в ваших данных. Эта операция приводит к созданию модели использующей все данные временных рядов, и каждая точка анализируется с помощью одной и той же модели. |
| Обнаружение точек изменения | Используйте временные ряды для обнаружения любых точек изменения тенденций, существующих в данных. Эта операция приводит к созданию модели использующей все данные временных рядов, и каждая точка анализируется с помощью одной и той же модели. |
Многовариантное обнаружение аномалий
Api многовариантного обнаружения аномалий позволяют разработчикам легко интегрировать расширенный ИИ для обнаружения аномалий из групп метрик, не требуя знаний машинного обучения или помеченных данных. Зависимости и взаимные корреляции между 300 различными сигналами теперь автоматически считаются ключевыми факторами. Эта новая возможность помогает вам заранее защитить ваши сложные системы, такие как программные приложения, серверы, заводские машины, космические корабли или даже ваш бизнес, от сбоев.
Представьте себе 20 датчиков автомобильного двигателя, генерирующих 20 различных сигналов, таких как вращение, температура, зазоры и т. д. Показания этих сигналов по отдельности могут мало рассказать вам о проблемах на уровне системы, но вместе они могут отражать состояние двигателя. Когда взаимодействие этих сигналов выходит за пределы обычного диапазона, функция многомерного обнаружения аномалий может определять аномалию, как опытный эксперт. Базовые модели ИИ обучаются и настраиваются с использованием ваших данных, чтобы они понимали уникальные потребности вашего бизнеса. С помощью новых API-интерфейсов в Anomaly Detector разработчики теперь могут легко интегрировать возможности многомерного обнаружения аномалий временных рядов в решения для профилактического обслуживания, решения для мониторинга AIOps для сложного корпоративного программного обеспечения или инструменты бизнес-аналитики.
Участие в сообществе Детектора аномалий
Присоединение к группе консультантов по Детектору аномалий в Microsoft Teams, и вы получите улучшенную поддержку и все необходимые обновления!
Алгоритмы
Блоги и документы:
- Знакомство с API Детектор аномалий azure AI
- Обзор алгоритма SR-CNN в Azure AI Детектор аномалий
- Знакомство с многовариантным обнаружением аномалий
- Многовариантное обнаружение аномалий временных рядов с помощью сети "Внимание графа"
- Служба обнаружения аномалий временных рядов в Корпорации Майкрософт (принята KDDD 2019)
Видео.