爱数：AnyRobot认知助手-1-5-10模型打造AGI时代的韧性新体验.docx

AnyRobot认知助手

AnyRobotFamily5全新特性发布

Al

1-5-10模型

打造AGI时代的韧性新体验

。问题定位阶段

e问题发生阶段?

e问题发生阶段

?难以提前发现问题；

?容易出现误报和漏报；

?容易出现告警风暴；

?复杂巨量机器数据关联分析，及时性难以保证。

。业务恢复阶段

?灾备覆盖面不全；

?灾备策略不合理；

?恢复耗时长；

?数据恢复并不代表业务恢复。

?机器数据可读性差，问题难以分析；

?日志、指标、链路等机器数据之间的关系理不清；

?对人的经验和能力要求高。

例如：勒索攻击例如：系统故障

例如：勒索攻击

Al的结合:三阶段发展趋势

阶段一

规则库

应用场景：

?阈值告警、SIEM等

优点：

?简单、直观、可解释性强

?对已知的、模式化的异常识别非常有效

缺点：

?不够灵活，难以适应多变的环境

?更新、维护难度大，需要频繁更新规则以适应新的场景模式

阶段二

小模型

应用场景：

?异常检测、趋势分析、根因分析、告警降噪等

优点：

?可以处理更复杂的数据集

?能识别出规则库可能遗漏的异常

缺点：

?需要大量的数据和专业知识，算法的训练和调优门槛高

?某些情况下可能会产生误报

?泛化能力一般，依赖于数据质量、调试能力，准确度低

阶段三

大模型

应用场景：

?智能问答、个性化推荐、自动报告编写等

优点：

?可以更好的理解和处理收集的机器数据，强大的计算能力，能够更好的适应复杂的运维场景

?提供更深层次的洞察能力，基于模型已经展现出的惊人能力，理论上可以进一步提高检测的准确性和效率

?具有更好的泛化能力

缺点：

?大模型的训练和部署需要巨大的计算资源

?可能会面临数据隐私和模型解释性等挑战

AlG白:大模型在运维领域的应用场景

自然语言查询

自然语言查询

安全监控与威胁检测知识图谱构建配置优化与性能调优自动化故障排查持续学习与知识库优化

安全监控与威胁检测

知识图谱构建

配置优化与性能调优

自动化故障排查

持续学习与知识库优化

日志分析与异常检测

多模态数据分析自动化报告生成智能问答与个性化推荐

多模态数据分析

自动化报告生成

智能问答与个性化推荐

分钟定位问题分钟发现问题分钟拉起业务

分钟定位问题

分钟发现问题

分钟拉起业务

…:-ronu1v,論要更有保障的业务连续性

1

5

10

业务故障

非结构化数据

灾备数据发现问题定位问题

灾备数据

5分钟1分钟拉起业务

5分钟

1分钟

10分钟业务恢复

MetricsTracesLogs

Metrics

Traces

机器数据

i-5-10模型,打造AGI时代的韧性新体验

保障业务连续性，增强数字化韧性

核心业务可观测性，提升系统可用性防勒索病毒可观测性，提升数据安全性

AnyRobot认知助手触发数据安全调查补充业务影响维度AnyRobot认知助手

AnyRobot认知助手

触发数据安全调查补充业务影响维度

1发现5定位10解决机器数据10解决AI驱动AI驱动机器数据1

1

发现

5

定位

10

解决

机器数据

10

解决

AI驱动

AI驱动

机器数据

补充数据影响维度发现定位

补充数据影响维度

故障位置可恢复点故障位置故障处置

故障位置可恢复点故障位置

故障处置灾难恢复故障处置

增强保护加速恢复

系统故障系统故障可用性风险

数据风险

数据受损

网络安全系统EDR防火墙行为管理数据管理系统

网络安全系统

EDR防火墙行为管理

数据管理系统

人G

灾备系统

!数据保护

↓系统维护

数据保护↓安全防护

运维系统

监控