トレーニングステップと推測ステップ

トレーニングステップ

Salesforce アプリケーションログに基づくメタデータを使用して、さまざまな属性 (特性ともいう) を抽出します。Salesforce では、レポート生成とその周辺活動に関する 90 日間のメタデータを使用します。モデルの向上に伴い、特性の実際のリストも変化します。

こうした特性を使用して、ユーザーの典型的なレポート生成活動のモデルを構築します。このステップをモデルトレーニングといいます。Salesforce ではトレーニングされたモデルを使用して、2 つ目のステップで異常を検知します。

推測 (または検知) ステップ

検知ステップでは、各ユーザーのあらゆるレポート生成活動をチェックし、モデルのトレーニングに使用される同じ特性セットを抽出します。そして、特性をユーザーの典型的な行動モデルと比較して、検討対象の活動が著しく異なっているかどうかを判断します。

異常スコア

各レポート生成活動がユーザーの典型的な活動と比較してどの程度異なっているかに基づいて、各活動に異常スコアの数値が割り当てられます。異常スコアは常に 0 ～ 100 の数値で、大概は百分率で表されます。異常スコアが低いということは、ユーザーのレポート生成活動がユーザーの典型的な活動と似ているということです。異常スコアが高いということは、ユーザーのレポート生成活動がユーザーの典型的な活動と異なっているということです。

臨界しきい値

すべてのレポート生成イベントに異常スコアが割り当てられますが、すべての生成イベントが異常なわけではありません。しきい値を使用して、どのレポート生成イベントがユーザーの典型的な活動と十分に異なっているかを判断します。異常スコアが臨界しきい値を上回るイベントが異常とみなされます。