Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
GAMESEC06-BP02 Utilice herramientas de inteligencia artificial y aprendizaje automático para automatizar aspectos de su estrategia de protección de infraestructuras
Amazon Lookout for Metrics
Nivel de riesgo expuesto si no se establece esta práctica recomendada: alto
Guía para la implementación
También puede optar por crear, entrenar y alojar un modelo de aprendizaje automático personalizado con la SageMaker IA de Amazon
Ejemplo de cliente
AnyCompany Games usa Amazon Lookout for Metrics para detectar automáticamente patrones inusuales en el rendimiento de los servidores, los intentos de inicio de sesión de los jugadores o los volúmenes de transacciones que podrían indicar amenazas por parte de personas malintencionadas. Además, han utilizado la SageMaker inteligencia artificial de Amazon para desarrollar modelos de aprendizaje automático personalizados que analizan continuamente los patrones de tráfico de la red y el comportamiento de los jugadores para ayudar a identificar amenazas coordinadas, como las redes de bots que intentan explotar su economía virtual.
Este enfoque automatizado permite a su equipo de seguridad centrarse en investigar las amenazas reales y responder a ellas, en lugar de supervisar manualmente miles de métricas, al tiempo que se asegura de que los patrones de amenazas emergentes se detecten y aborden antes de que puedan afectar significativamente a la disponibilidad de los juegos o a la seguridad de los jugadores.
Pasos para la implementación
-
Utilice Amazon Lookout for Metrics para detectar y diagnosticar automáticamente anomalías en datos empresariales y operativos clave
-
Integre Amazon Lookout for Metrics con fuentes de datos como Game Analytics Pipeline o Amazon S3, o CloudWatch para supervisar métricas como los ingresos, los inicios de sesión y la retención.
-
Utilice Amazon SageMaker AI para crear, entrenar y alojar modelos de aprendizaje automático personalizados para casos de uso avanzados, como la detección de trampas, la prevención del fraude y la moderación de contenido.