View a markdown version of this page

GAMESEC06-BP02 Verwenden Sie Tools für künstliche Intelligenz und maschinelles Lernen, um Aspekte Ihrer Infrastrukturschutzstrategie zu automatisieren - Linse für die Spieleindustrie
Implementierungsleitfaden

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

GAMESEC06-BP02 Verwenden Sie Tools für künstliche Intelligenz und maschinelles Lernen, um Aspekte Ihrer Infrastrukturschutzstrategie zu automatisieren

Amazon Lookout for Metrics verwendet maschinelles Lernen, um Anomalien in Ihren Geschäfts- und Betriebsdaten automatisch zu erkennen und zu diagnostizieren, und überwacht die Kennzahlen, die für Ihr Unternehmen am wichtigsten sind, schneller und genauer. Der Service macht es auch einfach, die Grundursache von Anomalien zu diagnostizieren, wie z. B. plötzliche Einbrüche bei Umsatz, Anmeldungen, Transaktionen oder Aufbewahrung. Für die Einrichtung müssen Spieleentwickler keine ML-Erfahrung haben und es kann eine Verbindung zu beliebten Datenquellen wie Amazon S3, Amazon, Amazon CloudWatch RDS, Amazon Redshift sowie vielen SaaS-Anwendungen hergestellt werden. Sie können Amazon Lookout for Metrics beispielsweise in die Game Analytics-Pipeline und andere Datenquellen integrieren, um mit der Verhaltensanalyse zur Erkennung von Anomalien zu beginnen.

Risikostufe, wenn diese bewährte Methode nicht eingeführt wird: Hoch

Implementierungsleitfaden

Alternativ können Sie mithilfe von Amazon SageMaker AI AI ein benutzerdefiniertes Modell für maschinelles Lernen erstellen, trainieren und hosten, um Anwendungsfälle wie Inhaltsmoderation, Toxizitätserkennung, Cheat-Erkennung, Betrugserkennung und mehr zu adressieren.

Kundenbeispiel

AnyCompany Games verwendet Amazon Lookout for Metrics, um automatisch ungewöhnliche Muster bei der Serverleistung, bei Anmeldeversuchen von Spielern oder beim Transaktionsvolumen zu erkennen, die auf Bedrohungen durch böswillige Akteure hinweisen könnten. Darüber hinaus haben sie Amazon SageMaker AI verwendet, um maßgeschneiderte Modelle für maschinelles Lernen zu entwickeln, die kontinuierlich Netzwerkverkehrsmuster und Spielerverhalten analysieren, um koordinierte Bedrohungen zu identifizieren, z. B. Bot-Netzwerke, die versuchen, ihre virtuelle Wirtschaft auszunutzen.

Dieser automatisierte Ansatz ermöglicht es dem Sicherheitsteam, sich auf die Untersuchung und Reaktion auf echte Bedrohungen zu konzentrieren, anstatt Tausende von Kennzahlen manuell zu überwachen. Gleichzeitig wird sichergestellt, dass neu auftretende Bedrohungsmuster erkannt und behoben werden, bevor sie die Verfügbarkeit von Spielen oder die Sicherheit der Spieler erheblich beeinträchtigen können.

Implementierungsschritte

  • Verwenden Sie Amazon Lookout for Metrics, um Anomalien in wichtigen Geschäfts- und Betriebsdaten automatisch zu erkennen und zu diagnostizieren

  • Integrieren Sie Amazon Lookout for Metrics mit Datenquellen wie der Game Analytics Pipeline oder Amazon S3 oder CloudWatch zur Überwachung von Kennzahlen wie Umsatz, Anmeldungen und Kundenbindung.

  • Verwenden Sie Amazon SageMaker AI, um benutzerdefinierte Modelle für maschinelles Lernen für fortgeschrittene Anwendungsfälle wie Cheat-Erkennung, Betrugsprävention und Inhaltsmoderation zu erstellen, zu trainieren und zu hosten.