تكشف Splunk عن Splunk AI لتسهيل الأمان وإمكانية المراقبة من خلال الذكاء الاصطناعي التوليدي

خلال حدث Splunk .conf23 ، أعلنت الشركة عن Splunk AI ، وهي مجموعة من الحلول التي تعتمد على الذكاء الاصطناعي والمصممة لتعزيز نظامها الموحد للأمان والمراقبة. وفقًا للشركة ، فإن أحدث التطورات تجمع بين الأتمتة وخبرات الإنسان في الحلقة لتمكين المؤسسات من تحسين قدراتها في الكشف والاستقصاء والاستجابة مع الحفاظ على التحكم في تنفيذ الذكاء الاصطناعي.

يستخدم Splunk AI Assistant الجديد الذكاء الاصطناعي التوليدي لمنح المستخدمين تجربة دردشة تفاعلية باستخدام لغة طبيعية. يمكن للمستخدمين إنشاء استعلامات لغة معالجة Splunk (SPL) من خلال هذه الواجهة ، وبالتالي توسيع فهمهم للمنصة.

من خلال مساعد AI ، تهدف Splunk إلى تحسين الوقت للقيمة وزيادة إمكانية الوصول إلى SPL ، وإضفاء الطابع الديمقراطي على وصول المنظمة إلى رؤى البيانات القيمة.

قالت Splunk إن الذكاء الاصطناعي سيمكن SecOps و ITOps والفرق الهندسية من أتمتة استخراج البيانات ، واكتشاف العيوب وتقييم المخاطر. حتى يتمكنوا من التركيز على المزيد من المهام الإستراتيجية وتقليل الأخطاء.

“بصفتنا شركة ، فقد عملنا على ضمان أن تجمع ابتكاراتنا في Splunk AI بين الأتمتة وخبرات الإنسان في الحلقة ، حتى تتمكن المنظمات من تعزيز عملية صنع القرار البشري من خلال الاستجابة للتهديدات من خلال زيادة السرعة والفعالية ، ولكن لا تحل محل القرار البشري- قال مين وانج ، كبير التكنولوجيا في شركة Splunk ، لموقع VentureBeat. “تقدم كل من عروض الذكاء الاصطناعي المضمنة والتأسيسية في Splunk AI توصيات بشأن مجموعات كبيرة وغنية من المعلومات لتعزيز وتسريع عملية صنع القرار البشري فيما يتعلق بالكشف والتحقيق والاستجابة.”

تم دمج النموذج مع نماذج اللغات الكبيرة الخاصة بالمجال (LLMs) وخوارزميات ML ، والاستفادة من بيانات الأمان وقابلية المراقبة لتعزيز الإنتاجية وكفاءة التكلفة. أكدت الشركة التزامها بالانفتاح وقابلية التوسع ، حيث إنها تمكن المؤسسات من دمج نماذج الذكاء الاصطناعي أو أدوات الطرف الثالث.

قال وانغ لموقع VentureBeat: “ما يميز عروض Splunk المدعومة بالذكاء الاصطناعي هو أنها تعمل على تحسين نماذج اللغات الكبيرة الخاصة بالمجال وخوارزميات التعلم الآلي المبنية على بيانات الأمان وقابلية المراقبة”. “ستزود هذه الرؤى الخاصة بالمجال SecOps و ITOps والفرق الهندسية بالبيانات ذات الصلة لاكتشاف الحالات الشاذة تلقائيًا ومن ثم إعطاء الأولوية لاهتمامهم إلى حيث تشتد الحاجة إليه بناءً على التقييم الذكي للمخاطر ، مما يقلل من العمليات المتكررة والخطأ البشري.”

تخفيف أعباء العمل المتعلقة بالأمان وتكنولوجيا المعلومات من خلال الذكاء الاصطناعي

تؤكد Splunk أنه مع زيادة تعقيد البنية التحتية التقنية وتوزيعها ، ومع النقص المستمر في المواهب ، تحتاج المؤسسات إلى أدوات تمكنها من العمل بسرعة وكفاءة دون استنفاد فرقها.

“مع Splunk AI ، نريد المساعدة في جعل وظائف SecOps و ITOps والهندسة أسهل ، حتى يتمكنوا من التركيز على المزيد من العمل الاستراتيجي … [and] قال وانغ من شركة Splunk: “تصرفوا بشكل أسرع وأكثر دقة لضمان أن تظل أنظمتهم مرنة”.

تهدف قدرات Splunk الجديدة المدعومة بالذكاء الاصطناعي إلى تعزيز سرعة التنبيه والدقة ، وتعزيز المرونة الرقمية. وفقًا للشركة ، يعمل التطبيق الخاص بها للكشف عن الحالات الشاذة على تبسيط سير العمل التشغيلي بالكامل لأتمتة عملية الكشف عن الحالات الشاذة.

وفي الوقت نفسه ، تقدم خدمة IT Service Intelligence 4.17 استبعادًا خارجيًا للحد التكيفي ، والذي يحدد ويستبعد نقاط البيانات غير الطبيعية. بالإضافة إلى ذلك ، يولد “الحد بمساعدة ML” عتبات ديناميكية بناءً على البيانات والأنماط التاريخية ، مما ينتج عنه تنبيهات أكثر دقة.

“العتبة بمساعدة ML تستخدم البيانات والأنماط التاريخية لإنشاء عتبات ديناميكية بنقرة واحدة فقط. وأوضح وانغ أن العتبات التي تعكس بشكل أفضل عبء العمل المتوقع على أساس كل ساعة بساعة تساعد ITOps والفرق الهندسية على تقليل الإيجابيات الخاطئة وتوجيه تنبيهات أكثر دقة حول صحة البيئة التكنولوجية للمؤسسة “.

في تطور آخر ، كشفت الشركة النقاب عن العروض التأسيسية المدعومة من ML والتي تمنح المؤسسات الوصول إلى معلومات شاملة. توفر مجموعة أدوات التعلم الآلي (MLTK) 5.4 من Splunk الآن وصولاً موجهًا إلى تقنية تعلم الآلة ، مما يتيح للمستخدمين من جميع مستويات المهارة الاستفادة من التنبؤ والتحليلات التنبؤية.

“يمكن نشر MLTK فوق [the] قال وانغ إن منصة Splunk Enterprise أو Cloud لتوسيع النظام الأساسي باستخدام تقنيات مثل الكشف عن الحالات الشاذة والشذوذ والتحليلات التنبؤية والتجميع ، لتصفية الضوضاء ومعالجة حالات استخدام ML الشائعة.

قال وانغ إن أحدث إصدار من MLTK يتيح للمستخدمين تحميل نماذجهم المدربة مسبقًا بسهولة على MLTK من خلال واجهة سهلة الاستخدام.

بمجرد أن يكون النموذج داخل Splunk ، يمكن للمستخدمين تطبيقه بسلاسة على بيانات Splunk الخاصة بهم دون تغيير مهام سير العمل الحالية الخاصة بهم. تعمل هذه الوظيفة على توسيع نطاق تطبيق MLTK و ML-SPL لتشمل النماذج المدربة باستخدام طرق أخرى غير MLTK.

التأكيد على علم البيانات لتحسين الكشف والتحليل

وفقًا لوانغ ، فإن خصوصية المجال أمر بالغ الأهمية للنماذج. وشددت على أهمية ضبط النماذج على وجه التحديد لحالات الاستخدام الخاصة بكل منها ووجود خبراء في المجال يصنعونها. في حين أن نماذج اللغات الكبيرة العامة (LLMs) يمكن أن تكون بمثابة نقطة انطلاق ، قالت إن النماذج الأكثر فاعلية هي تلك المصممة لمجالات محددة.

أبرز وانغ أنه على الرغم من أن الذكاء الاصطناعي التوليدي ذو قيمة لمنحنيات التعلم وتوليد رؤى جديدة ، إلا أن أدوات التعلم العميق قد تكون مناسبة بشكل أفضل لتضمين خوارزميات اكتشاف الشذوذ المعقدة المصممة لهذا الغرض في عروض الأمان.

وقالت: “بصفتي خبراء في الأمن وقابلية المراقبة ، أعتقد أن لدينا أفضل الرؤى الخاصة بالمجال المستمدة من تجربة العالم الحقيقي من قبل فريق التطوير لدينا وفريق الذهاب إلى السوق والعملاء”.

لتسهيل هذا الانتقال ، قدمت Splunk تطبيق Splunk لعلوم البيانات والتعلم العميق (DSDL) 5.1. يعزز هذا الامتداد لـ MLTK تكامل التعلم الآلي المخصص المتقدم وأنظمة التعلم العميق مع نظام Splunk البيئي ، وبالتالي تعزيز قدراته.

يقوم DSDL بتوسيع MLTK بحاويات Docker سابقة الإنشاء لمكتبات تعلم الآلة الإضافية. يمكن لعلماء البيانات والتعلم الآلي أو مهندسي التعلم العميق استخدام DSDL للاستفادة من حوسبة وحدة معالجة الرسومات لمهام التدريب المكثفة على الحوسبة ونشر النماذج بمرونة على الحاويات التي تدعم وحدة المعالجة المركزية أو وحدة معالجة الرسومات “، أوضح وانغ. “هذا العرض خاص بعملائنا الذين يقومون بتخزين بياناتهم في بيئات Splunk ويحتاجون إلى أدوات لدمج خوارزميات ML القوية المدربة على بياناتهم لأغراضهم الفريدة.”

يقدم DSDL 5.1 أيضًا مساعدين جديدين للذكاء الاصطناعي سيمكن العملاء من استخدام LLMs لبناء وتدريب نماذج خاصة بمجالهم. سيركز هؤلاء المساعدين بشكل خاص على تلخيص النص وتطبيقات تصنيف النص.

قال وانغ إن الذكاء الاصطناعي / التعلم الآلي والتحليلات ضرورية في تعزيز الكشف عن الحالات الشاذة ودقة التنبيه. تعمل هذه التقنيات على تقليل الإيجابيات الخاطئة وتخصيص العتبات بناءً على أنماط بيانات العميل الفريدة ، مما يؤدي إلى تنبيهات أكثر فعالية.

على نفس المنوال ، يستخدم تطبيق Splunk الجديد الخاص بشركة Anomaly Detection التعلم الآلي لأتمتة اكتشاف الحالات الشاذة في بيئة الفرد. كما يقدم تشخيصات صحية متسقة.

“يوفر التطبيق سير عمل تشغيلي شامل بحيث يمكن للمؤسسات إنشاء وتشغيل مهام متسقة للكشف عن الشذوذ وعرض استعلامات SPL وإنشاء التنبيهات. وقال وانغ إن هذا يؤدي إلى تنبيه شامل أكثر دقة.