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 automatisch Anomalien in Ihren Geschäfts- und Betriebsdaten zu erkennen und zu diagnostizieren. Außerdem werden die Kennzahlen, die für Ihr Unternehmen am wichtigsten sind, schneller und genauer überwacht. Der Service macht es auch einfach, die Grundursache von Anomalien zu diagnostizieren, z. B. einen plötzlichen Rückgang von Umsatz, Anmeldungen, Transaktionen oder Kundenbindung. Spieleentwickler müssen für die Einrichtung nicht über ML-Erfahrung verfügen und können eine Verbindung zu beliebten Datenquellen wie Amazon S3, Amazon, Amazon RDS CloudWatch, Amazon Redshift sowie vielen SaaS-Anwendungen herstellen. Sie können beispielsweise Amazon Lookout for Metrics in die Game Analytics-Pipeline und andere Datenquellen integrieren, um mit der Verhaltensanalyse zu beginnen und Anomalien zu erkennen.

Risikostufe, wenn diese bewährte Methode nicht eingeführt wird: Hoch

Implementierungsleitfaden

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

Kundenbeispiel

AnyCompany Games verwendet Amazon Lookout for Metrics, um automatisch ungewöhnliche Muster in 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 benutzerdefinierte 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 Abwehr echter Bedrohungen zu konzentrieren, anstatt Tausende von Kennzahlen manuell zu überwachen. Gleichzeitig wird sichergestellt, dass neue Bedrohungsmuster erkannt und behoben werden, bevor sie die Verfügbarkeit des Spiels 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 in Datenquellen wie die Game Analytics Pipeline oder Amazon S3, CloudWatch um Kennzahlen wie Umsatz, Anmeldungen und Kundenbindung zu überwachen.

  • Verwenden Sie Amazon SageMaker AI, um benutzerdefinierte Machine-Learning-Modelle für fortgeschrittene Anwendungsfälle wie Cheaterkennung, Betrugsprävention und Inhaltsmoderation zu erstellen, zu trainieren und zu hosten.