Kaspersky Machine Learning for Anomaly Detection

Обучение элемента ML-модели на основе эллиптического конверта

Kaspersky MLAD позволяет выполнить обучение элемента на основе эллиптического конверта для ML-модели, созданной вручную, импортированной в Kaspersky MLAD, созданной по шаблону, а также для скопированной ML-модели.

Обучение элементов ML-моделей доступно системным администраторам и пользователям с правом Обучение моделей из группы прав Управление ML-моделями. Функциональность доступна после добавления лицензионного ключа.

Чтобы обучить элемент ML-модели:

1. В основном меню выберите раздел Модели.
2. В дереве активов выберите элемент на основе эллиптического конверта, который вы хотите обучить.

   Справа отобразится список параметров.

3. Откройте вкладку Обучение и нажмите на кнопку Изменить в правом верхнем углу окна.
4. В поле Интервал отбора данных укажите интервал времени данных, на которых требуется обучить ML-модель.
5. Если требуется применить разметки для отбора данных для обучения ML-модели в рамках выбранного интервала, в поле Разметки выберите одну или несколько разметок.

   Выбранные разметки сформируют

   индикатор обучения

   

   Совокупность критериев, на основании которых определяются интервалы времени данных, на которых ML-модель выполняет обучение.

   .

6. Если требуется просмотреть, какие данные будут отобраны разметками, нажмите на кнопку На графике.

   Разметки отобразятся в указанных при создании цветах.

   При просмотре данных на графике вы можете выбрать определенный пресет.

7. Если требуется задать расширенные параметры обучения, включите переключатель Расширенные параметры обучения.
8. В поле Доля выборки для оценки среднего и ковариации укажите в виде десятичной дроби долю обучающей выборки, на которой производится расчет ковариации и среднего значения.

   Вы можете указать значение в диапазоне от 0 до 0.5 включительно.

9. В поле Доля выбросов в выборке укажите в виде десятичной дроби долю выбросов (аномалий) в обучающей выборке.

   Вы можете указать значение в диапазоне от 0 до 1. Этот параметр автоматически переопределяет значение параметра Порог регистрации инцидентов, заданного при создании элемента. Чем выше значение доли выбросов в обучающей выборке, тем ниже значение порога регистрации инцидентов. После обучения элемента вы можете отрегулировать порог регистрации инцидентов вручную.

10. В поле Инициализация генератора псевдослучайных чисел укажите значение, на основании которого будет сгенерирована последовательность псевдослучайных чисел.
11. В поле Разрешение графиков результатов обучения укажите в виде десятичной дроби разрешение графиков для отображения результатов обучения на вкладке Результаты обучения.

    Вы можете указать значение в диапазоне от 0 до 1. Чем выше указанное значение, тем лучше качество графиков.

12. Если предполагается, что значения тегов центрированы, и их среднее значение равно нулю, включите переключатель Данные центрированы.
13. В правом верхнем углу окна нажмите на кнопку Сохранить.

    В случае изменения параметров обучения для ранее обученного элемента необходимо подтвердить сохранение изменений.

14. В информационном блоке, расположенном над параметрами обучения, нажмите на кнопку Обучить элемент.

После завершения обучения вы можете просмотреть результаты обучения элемента ML-модели на вкладке Результаты обучения.

После успешного обучения всех предиктивных элементов и элементов на основе эллиптического конверта в составе ML-модели ей будет присвоен статус Обучена. Если требуется, вы можете повторно обучить элемент ML-модели, нажав на кнопку Перезапустить обучение.