Acceldata Inc.（Acceldata 公司）宣布在其 xLake Reasoning Engine（xLake 推理引擎）中引入 Adaptive AI Anomaly Detection（自適應 AI 異常檢測）功能，該功能可在業(yè)務運營受到影響之前自動識別隱藏的、多維度的數(shù)據(jù)異常。

今年二月推出的 xLake 推理引擎是該公司 Agentic Data Management（代理數(shù)據(jù)管理）平臺的核心組件。它可在超大規(guī)模云、數(shù)據(jù)云和本地系統(tǒng)等多種環(huán)境中運行，作為一款具備人工智能感知能力的數(shù)據(jù)處理引擎，并集成了治理和安全功能。

公司表示，傳統(tǒng)的異常檢測工具只能識別如銷售數(shù)據(jù)中數(shù)字“0”錯誤放置這樣的一維錯誤。而自適應異常檢測則能夠發(fā)現(xiàn)跨多個數(shù)據(jù)維度中隱藏的異常，例如一張信用卡賬戶同時在相隔數(shù)百英里的不同地點顯示交易記錄。

首席執(zhí)行官 Rohit Choudhary ( pictured ) 表示，隨著大語言模型越來越多地采用結(jié)構(gòu)化數(shù)據(jù)進行訓練以確保準確性和驗證，這項功能顯得尤為重要。

他說：“這意味著回滾非常困難，一旦數(shù)據(jù)輸入后，改變推理方式就變得異常艱難?！?/p>

縮小問題范圍

他說，由于數(shù)據(jù)量增長過快，傳統(tǒng)的數(shù)據(jù)質(zhì)量和驗證檢查已經(jīng)無力跟上。“這就要求我們必須將監(jiān)測重點縮小到能夠表明異常的問題上，”他解釋道?！按嬖谔嘤绊懶袨榈南嚓P因素。你不能等到事后才得知問題所在，因此運營效能取決于對熱點區(qū)域的及時發(fā)現(xiàn)。”

Acceldata 表示，XLake 能夠同時評估銷售、產(chǎn)品、區(qū)域和時間等多個屬性維度上的異常，并支持客戶優(yōu)先處理高風險數(shù)據(jù)片段以獲得更好的性能。該引擎能夠檢測出靜態(tài)規(guī)則體系無法捕捉的獨特模式，并可在無需人工調(diào)優(yōu)的情況下不斷自我適應。

Choudhary 表示：“我們可以自動識別高風險數(shù)據(jù)片段，并能在您提供的敏感狀態(tài)或網(wǎng)站中發(fā)現(xiàn)異常?！?/p>

在諸如欺詐檢測等領域，“系統(tǒng)將變得極為先進，因為每一條信息都有其上下文，”Choudhary 說?！澳隳茏粉櫟降慕换ピ蕉啵湍茉娇彀l(fā)現(xiàn)問題，從而更迅速地采取行動?！?/p>

Acceldata 會收集來自數(shù)據(jù)、數(shù)據(jù)管道、基礎設施、用戶和成本等方面的元數(shù)據(jù)及監(jiān)控信號。公司指出，多變量異常檢測能夠揭示傳統(tǒng)工具常常忽略的相互依賴關系。可以配置代理程序以采取諸如預測業(yè)務影響、發(fā)出合規(guī)警告等動作，并可選擇自動修復。

根因關聯(lián)功能將基礎設施故障、數(shù)據(jù)管道中斷和數(shù)據(jù)峰值聯(lián)系起來，從而鎖定根本原因。系統(tǒng)還可以將預算超支與特定工作負載、用戶、查詢或流程相關聯(lián)；通過關聯(lián)用戶身份、位置和數(shù)據(jù)敏感度來檢測異常訪問模式；將上游數(shù)據(jù)問題與下游分析關聯(lián)；以及通過關聯(lián)處理時間、數(shù)據(jù)量和資源限制來識別延遲的早期信號。

修復功能的設計充分考慮了人機協(xié)作的需求。“我們確保從配置到結(jié)果管理全過程中都有人工參與，”Choudhary 說?！按沓绦蜷_箱即帶一組功能和提示，但我們也賦予您移除或修改這些功能的權(quán)利?！?/p>

代理數(shù)據(jù)管理平臺將于下月發(fā)布。