Aucun résultat trouvé

Votre recherche n'a donné aucun résultat.

Machine learning dans le management IT

Oracle Management Cloud

Le Machine Learning au service du management des operations IT

Découvrez dans cet article comment des algorithmes de Machine Learning améliorent l’efficacité de vos opérations IT et la sécurité de votre système d’informations.


Machine Learning : L’apprentissage au cœur du management IT et de la sécurité informatique.

Le Machine Learning est utilisé pour repenser les paradigmes actuellement en place au sein des entreprises. Les défis actuels nous forcent à repenser la façon que nous avons d’appréhender les problématiques de management et de sécurité de nos systèmes d’information.

Savoir utiliser cette technologie d’apprentissage par la machine offre des capacités uniques.

Cet article a pour objectif d’expliquer comment, à l’aide de la technologie de Machine Learning injectée dans Oracle Management Cloud Service (OMC), il est possible de voir et prévoir les enjeux de performance, de disponibilité et sécurité. Chacun des composants de la solution d’IT Operations Management développée par Oracle se combinant pour offrir une vue holistique de votre infrastructure, qu’elle soit cloud, On-premise ou hybride.

Quelles sont les problématiques à résoudre ?

Lorsque l’on parle de Machine Learning (ML), on parle avant tout d’apprentissage.

Ceci est l’un des principaux messages à retenir.

Une solution de ML se doit d’être créée avec un objectif  et optimisée pour répondre aux questions que l’on se pose régulièrement.

La tâche la plus importante, mais aussi la plus complexe  est de savoir expliquer ce qu’il se passe dans une infrastructure SI.

Les personnes vers qui se tourner pour qualifier ces réponses sont les collaborateurs en charges du  SOC (Security Operation Center) ou du NOC (Network Operation Center).  Ils sont les premiers à devoir analyser et comprendre ce qu’il se passe.  Quotidiennement ils se doivent d’affronter un déluge constant de données provenant de sources diverses et variées (Métriques, Fichiers Logs, comportement utilisateurs, gestions d’applications,  etc..).

Jusqu’à présent une très grosse partie de cette analyse a été effectuée en se basant sur les capacités de notre cerveau.

C’est ici qu’entre en jeu le Machine Learning. L’idée est d’utiliser la puissance de calcul, de mémoire, et désormais d’apprentissage de la machine pour soulager le cerveau humain. On va se plonger dans cet océan de données peuplé de plusieurs téraoctets d’enregistrement logs, d’applications complexes, (etc..) pour en ressortir l’information recherchée. La connaissance humaine est ensuite ajoutée à la toute fin, pour confirmer les résultats obtenus et prendre les décisions nécessaires.

Nous optimisons le Machine Learning pour étudier ces échanges et répondre aux questions définies en amont:

  • Est-ce que ce que je vois est normal, suspect ou dangereux ?
  • Ce comportement a-t-il du sens ? Quelle est la meilleure manière de réagir ? D’anticiper ?
  • Quel est le niveau d’attention que je dois accorder à cet évènement ? Est-ce un symptôme connu ? Quels en sont les possibles résultats ?
  • Quels sont les différents schémas de données que je connais et que j’ai vu dans le passé ?
  • Quelles sont les corrélations intéressantes entre plusieurs évènements ?

La force de pouvoir comprendre avec précision le passé, nous donne la possibilité de ne plus agir de manière réactive, mais d’être proactive, d’anticiper.

C’est dans cet état d’esprit qu’Oracle Management Cloud évolue.

  • La détection d’anomalie
  • Le clustering
  • La corrélation
  • L’analyse  prédictive

La détection d’anomalie a pour but d’analyser l’ensemble des différents comportements observés.  En étudiant le  fonctionnement du SI on va pouvoir détecter et alerter de manière dynamique les différentes incohérences apparaissant. Avec le temps, cette analyse et cette détection va en s’améliorant, gagnant en prédiction.

Le clustering consiste à étudier les données remontées dans Oracle Management Cloud. En les regroupant sous forme de schémas (groupes) il devient plus simple d’isoler les comportements suspects et les données aberrantes pouvant fausser une analyse.

La corrélation multi-variables permet de comprendre comment différents flux de données ont du sens lorsqu’ils se rejoignent ; et ce qu’il se passe lorsqu’ils se séparent. Cet algorithme va nous permettre de pouvoir comprendre les liaisons qui existent entre les différents évènements que l’on va observer, et pouvoir aller jusqu’à prédire la source d’un problème.

L’analyse prédictive, en faisant des projections basées sur l’existant et les comportements passés, va être en mesure de savoir expliquer ce qu’il va se passer à un moment T (1 semaine, 1 mois, 1 an). Cette connaissance permet, par exemple, de savoir si un serveur va être en mesure de supporter une certaine charge de travail, ou si au contraire il sera sous-utilisé. L’objectif affiché étant de pouvoir optimiser au maximum la balance entre performance et coût.

Il est important de terminer en insistant sur cette nécessité d’apprentissage et de connaissance.

Il ne faut pas perdre de vue le fait que le machine Learning est une technologie. Ce n’est pas une solution en soit.  Nous avons désormais en main les outils et l’expérience pour utiliser au mieux cette technologie afin de faciliter grandement une gestion en temps réel  et offrir une vue holistique de chacun des composants du SI.

C’est en se basant sur son expérience de plus de 40 ans dans les outils de management qu’Oracle a créé une solution de Cloud management répondant aux problématiques actuelles de l’IT. Ce savoir a permis de pouvoir identifier les questions et challenges à relever afin d’offrir une solution pertinente répondant aux besoins de cette nouvelle ère : Celle du Cloud.

Devenez un Super Héros de l’IT
E-Book