Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# GAMESEC06-BP02 Usa strumenti di intelligenza artificiale e apprendimento automatico per automatizzare gli aspetti della tua strategia di protezione dell'infrastruttura
<a name="gamesec06-bp02"></a>

 [Amazon Lookout for](https://aws.amazon.com/lookout-for-metrics/) Metrics utilizza l'apprendimento automatico per rilevare e diagnosticare automaticamente le anomalie nei dati aziendali e operativi e monitora le metriche più importanti per le tue attività con maggiore velocità e precisione. Il servizio semplifica anche la diagnosi della causa principale delle anomalie, come un calo improvviso delle entrate, degli accessi, delle transazioni o della fidelizzazione. Non richiede agli sviluppatori di giochi di avere esperienza di machine learning per la configurazione e può connettersi a fonti di dati popolari tra cui Amazon S3, Amazon, CloudWatch Amazon RDS, Amazon Redshift e molte applicazioni SaaS. Ad esempio, puoi [integrare Amazon Lookout for Metrics con la Game](https://aws.amazon.com/blogs/gametech/detect-game-anomalies-amazon-lookout-for-metrics-game-analytics-pipeline/) Analytics Pipeline e altre fonti di dati per iniziare ad analizzare il comportamento per rilevare anomalie. 

 **Livello di rischio associato se questa best practice non fosse adottata:** elevato 

## Guida all’implementazione
<a name="implementation-guidance-31"></a>

 In alternativa, puoi scegliere di creare, addestrare e ospitare un modello di machine learning personalizzato utilizzando l'[ SageMaker intelligenza artificiale di Amazon](https://aws.amazon.com/sagemaker/) per affrontare casi d'uso come moderazione dei contenuti, rilevamento della tossicità, rilevamento di cheat, rilevamento di frodi e altro ancora. 

 **Esempio del cliente** 

 AnyCompany Games utilizza Amazon Lookout for Metrics per rilevare automaticamente modelli insoliti nelle prestazioni del server, nei tentativi di accesso dei giocatori o nei volumi di transazioni che potrebbero indicare minacce da parte di malintenzionati. Inoltre, hanno utilizzato Amazon SageMaker AI per sviluppare modelli di machine learning personalizzati che analizzano continuamente i modelli di traffico di rete e il comportamento dei giocatori per aiutare a identificare minacce coordinate, come le reti di bot che tentano di sfruttare la loro economia virtuale. 

 Questo approccio automatizzato consente al team di sicurezza di concentrarsi sull'indagine e sulla risposta alle minacce autentiche anziché sul monitoraggio manuale di migliaia di parametri, assicurandosi al contempo che i modelli di minaccia emergenti vengano rilevati e risolti prima che possano influire in modo significativo sulla disponibilità del gioco o sulla sicurezza dei giocatori. 

### Passaggi dell’implementazione
<a name="implementation-steps-31"></a>
+  Usa Amazon Lookout for Metrics per rilevare e diagnosticare automaticamente le anomalie nei dati aziendali e operativi chiave 
+  Integra Amazon Lookout for Metrics con fonti di dati come Game Analytics Pipeline, Amazon S3 o per monitorare parametri come CloudWatch entrate, accessi e fidelizzazione. 
+  Usa Amazon SageMaker AI per creare, addestrare e ospitare modelli di machine learning personalizzati per casi d'uso avanzati come il rilevamento di cheat, la prevenzione delle frodi e la moderazione dei contenuti.