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
<a name="gamesec06-bp02"></a>

 [Amazon Lookout for Metrics ](https://aws.amazon.com/lookout-for-metrics/) utiliza el aprendizaje automático para detectar y diagnosticar automáticamente las anomalías en sus datos empresariales y operativos, y monitoriza las métricas que son más importantes para su empresa con mayor rapidez y precisión. El servicio también facilita el diagnóstico de la causa principal de las anomalías, como una caída repentina de los ingresos, los inicios de sesión, las transacciones o la retención. No es necesario que los desarrolladores de juegos tengan experiencia en aprendizaje automático para configurarlo y pueden conectarse a fuentes de datos populares, como Amazon S3, Amazon, Amazon CloudWatch RDS y Amazon Redshift, así como a muchas aplicaciones de SaaS. Por ejemplo, puede [ integrar Amazon Lookout for Metrics con Game Analytics Pipeline ](https://aws.amazon.com/blogs/gametech/detect-game-anomalies-amazon-lookout-for-metrics-game-analytics-pipeline/) y otras fuentes de datos para empezar a analizar el comportamiento y detectar anomalías. 

 **Nivel de riesgo expuesto si no se establece esta práctica recomendada:** alto 

## Guía para la implementación
<a name="implementation-guidance-31"></a>

 También puede optar por crear, entrenar y alojar un modelo de aprendizaje automático personalizado con la SageMaker IA de [ Amazon ](https://aws.amazon.com/sagemaker/) para abordar casos de uso como la moderación de contenido, la detección de toxicidad, la detección de trampas, la detección de fraudes, etc. 

 **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
<a name="implementation-steps-31"></a>
+  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.