사용자가 보고한 피싱에 대한 예측 인텔리전스 구성

  • 릴리스 버전: Xanadu
  • 업데이트 날짜 2024년 08월 01일
  • 소요 시간: 2분

    • 사용자가 보고한 피싱 이메일을 식별하도록 모델을 구성하고 준비합니다.

    시작하기 전에

    필요한 역할: ml_admin

    프로시저

    1. 다음으로 이동 모두 > 피싱용 예측 인텔리전스 > 구성.
    2. 구성의 1단계에서 종결 코드 소스 목록에서 다음 옵션 중 하나를 선택합니다.
      • 기본 종결 코드: 학습 모델에서 악성 전자 메일과 합법적인 전자 메일을 식별하는 데 사용해야 하는 기본 보안 인시던트 종결 코드를 지정하려면 이 옵션을 선택합니다. 잠금 아이콘을 클릭하고 하나 이상의 긍정 오류 코드 또는 확인된 피싱 코드를 선택합니다.
      • 사용자 지정 종결 코드: 기존 인시던트 응답 절차의 일부로 사용할 수 있는 사용자 지정 필드에서 종결 코드를 정의하려면 사용자 지정 종결 코드 옵션을 선택합니다. 종결 코드를 정의하려면 보안 인시던트 테이블에서 필드를 선택하고 하나 이상의 필터 조건을 지정합니다.

      사용자가 보고한 피싱: ML 구성: 종결 코드
    3. 2단계에서는 모델을 학습시키는 데 사용할 수 있는 기록 데이터를 임포트합니다.
      이력 데이터를 임포트할 데이터 소스를 선택합니다. 이는 다음과 같을 수 있습니다.
      • 사용자가 보고한 피싱 이메일 테이블: 기록 데이터로 임포트할 수 있는 기록 수를 볼 수 있습니다. 이 옵션을 선택하고 가져오기를 클릭합니다.
      • 사용자 지정 데이터 원본: 기록 데이터 레코드가 포함된 서식이 지정된 단일 CSV 파일을 첨부할 수 있습니다. 파일을 선택하고 가져오기를 클릭합니다.
      주:
      임포트하는 CSV 파일에는 다음 헤더가 포함되어야 합니다.
      • 레이블
      • 머리글
      • 본문 텍스트
      각 레코드에는 CSV 파일의 레이블 열에 악의적이거나 합법적인 태그가 포함되어야 합니다.

      데이터 임포트를 중지하려면 임포트 취소 를 클릭합니다. 임포트 프로세스가 취소되고 지금까지 임포트한 모든 기록이 삭제됩니다.

    4. 이력 데이터를 임포트한 후 링크를 클릭하여 페이지를 새로 고칩니다.
      그런 다음 더 많은 학습 데이터를 가져오거나 다음 단계를 계속할 수 있습니다.
    5. 3단계에서 학습에 사용할 수 있는 레코드 수가 최소 임계값 요구 사항을 충족하는지 확인합니다.
      주:
      최대 및 최소 교육 기록 수의 기본값이 표시됩니다. 이러한 임계치는 플랫폼 머신 러닝 속성 페이지에서 수정할 수 있습니다. 도움이 필요하면 고객 지원에 문의하십시오.
    6. 학습 데이터가 충분하면 모델 학습을 클릭합니다.
      아래 화면에서 학습에 대한 입력을 업데이트할 수 있습니다.
      사용자가 보고한 피싱: ML 구성: 입력
    7. 수정할 수 있는 예측 입력은 다음과 같습니다.
      • 예측에서 무엇에 관심이 있습니까?
      • 출력 필드 예측에 유용한 입력 데이터는 무엇입니까?
      • 솔루션 교육에 사용하려는 이전 데이터는 무엇이며, 원하는 재교육 빈도는 무엇입니까?
      이러한 입력의 기본값이 표시됩니다. 이를 수정하고 다음 중 하나를 클릭할 수 있습니다.
      • 업데이트: 교육 모델 정의를 업데이트합니다.
      • 업데이트 및 재교육: 학습 모델 정의를 업데이트하고 모델을 다시 교육합니다( 모델 학습 기능 트리거).
    8. 마지막으로 모델 학습이 완료되면 예측 활성화(Activate Prediction ) 확인란을 클릭합니다.
      이제 해당 모델을 사용하여 모든 사용자가 보고한 피싱 기록에 대한 예측이 제공됩니다. 사용자가 보고한 피싱 기록에 대한 예측 제공을 중지하려면 예측 활성화 확인란의 선택을 취소하고 비활성화를 클릭합니다.