固定の閾値は、誤検知を生むか、本物の異常を見逃すかのどちらかに寄りがちです。Scandock では、値の推移と過去の経緯、プロジェクトのメモリにある事実を合わせて、AI が異常かどうかを判断します。閾値に頼らない異常検知です。
DB・決済の成否
失敗件数が直近30分で通常帯の6倍に増えています。失敗は特定のカード会社に偏っており、成功件数は通常どおりです。
昼の注文増に合わせて成功件数も増えています。失敗の割合は通常帯のままです。
値は前日の同じ時間帯と同じ水準です。
閾値を緩めると見逃し、締めると誤検知が増える
「月末は注文が減る」のような業務の事情が、閾値には入らない
通知が来ないのが正常なのか、監視が止まっているのか分からない
前回の判定以降の値を、それ以前の履歴と照らして判断します。時間帯や曜日で変わる値かどうかも、履歴の時刻から読み取ります。
同じ監視項目で過去に何が起き、本物だったのか誤検知だったのかを、判断の材料にします。
「この時間帯の増加は正常」のような既知の事実を踏まえて判断します。同じ誤検知を繰り返しません。
判定は、根拠を書き終えてから結論を出す順に生成させています。根拠では異常ではないと書きながら異常と返す、といったずれを防ぎます。
判定のたびに、AI は次の情報をもとに判断します。
前回の判定以降に取得した値と、それ以前の履歴を区間ごとにまとめた最小・最大・平均。
同じ監視項目で起きたインシデントと、その決着。
AI とメンバーが記録した、そのプロジェクトについての既知の事実。
異常と判断したときは、重大・警告・情報の3段階で重大度を付けます。
判定の結果と根拠は監視項目ごとに保存され、グラフの上に判定した区間として重なります。
同じ監視項目に対応中のインシデントがある間は、新しいインシデントを作りません。
必要なのは、DB の接続文字列かアカウントとの連携だけ。サーバー側の作業はありません。
値を取得する
監視項目ごとの取得間隔で、読み取り専用の接続から値を取ります。
AI が判定する
判定間隔ごとに、推移・過去の発火・メモリを合わせて AI が判断します。
異常なら調査へ
異常と判断すると、原因の調査が始まります。誤検知と分かれば、通知せずに閉じます。
EC
昼の注文増を、異常と取り違えない
毎日昼に注文が増えることは、履歴から読み取れます。増えた量が普段の波の範囲なら、異常なしと理由つきで記録します。
決済
失敗の偏りを捉える
決済の成功件数と失敗件数を並べて見ているため、総数が普段どおりでも、失敗だけが増えた変化を異常として捉えます。