應用場景
要因分析、危險郵件偵測
應用系統 Log 分析
當系統出現異常時，IT 人員會透過系統 Log 日誌分析造成異常的關鍵原因。
痛點分析
- 系統 Log 資訊數據量龐大，人工分析需耗費大量時間和精力，困難且耗時
- 通常系統異常情況的發生頻率遠低於正常情況，導致標籤數據不平衡，使傳統分析方法難以準確識別異常
- 發生異常之原因可能涉及多種因素，過往傳統分析方法難以有效綜合多個變量進行分析
成果效益
- 透過機器學習快速找到關鍵要因進行異常排查，降低排查時間 18%
- 搭配監測和自動化告警機制，即時發現並處理異常情況，避免影響用戶體驗
外來危險郵件偵測模型
在現代企業環境中，外來危險郵件成為一個常見的資安挑戰，即使使用軟體快篩出潛在危險的郵件，仍需要IT人員進一步判斷，不僅耗時耗力，也增加了人工成本。
痛點分析
- 依賴 IT 人員手動處理：快篩後的危險郵件需要 IT 人員進一步判斷，耗費大量時間和人力資源
- 缺乏客製化解決方案：不同公司收到的危險郵件內容各異，現有軟體難以客製化調整，無法根據公司特定情況進行精準偵測和預防
成果效益
- 不再需要 IT 人員逐封檢測郵件，節省人力資源 20%，使 IT 團隊能夠集中精力在更戰略性的資安任務上
- 通過建立自定義的危險郵件判斷模型，企業可以快篩出具有潛在風險的郵件，提升偵測效率 8%