Modèle de priorisation de l'infraction Watson

Le modèle de priorisation des infractions Watson dans l'application QRadar® Advisor with Watson permet de hiérarchiser les infractions qui se trouvent dans votre file d'attente d'infractions afin que vous puissiez traiter les infractions de priorité supérieure avant de traiter les infractions de priorité inférieure. Vous pouvez également mapper des raisons de fermeture d'infraction QRadar aux choix d'évaluation de priorité d'IA suggérés pour automatiser la collecte de commentaires en retour d'IA.

Le modèle IA de priorisation est construit avec une approche d'apprentissage supervisé. Dans l'apprentissage supervisé, le modèle va apprendre ce que représente le point de données qui lui est présenté. Par exemple, une image d'un chien avec une étiquette "Chien", une image d'un chat avec une étiquette "Pas un chien" et une image d'une girafe avec une étiquette "Pas un chien" sont présentées au modèle.

Le modèle apprend à partir des infractions qui sont classées par ordre de priorité selon que vous êtes d'accord ou non avec la sortie du modèle et apprend les priorités de votre SOC. Les infractions sont étiquetées "élevée" ou "faible" en fonction des évaluations que vous fournissez.

Si vous pensez ne pas avoir obtenu les résultats escomptés, assurez-vous d'avoir fourni au moins 500 évaluations des infractions (avec une préférence pour l'accord ou non avec les infractions de haute priorité ou de basse priorité déterminées par le modèle).