사용자가 보고한 피싱에 대한 예측 인텔리전스 구성

  • 릴리스 버전: Yokohama
  • 업데이트 날짜 2025년 01월 30일
  • 읽기2분

    • 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 1단계에 있는 종결 코드 소스 목록에서 다음 옵션 중 하나를 선택합니다.
      • 기본 종결 코드: 교육 모델에서 악성 이메일과 합법적인 이메일을 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 사용될 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. 다음과 같을 수 있습니다.
      • 사용자가 보고한 피싱 이메일 테이블: 기록 데이터로 임포트할 수 있는 기록 수를 볼 수 있습니다. 이 옵션을 선택하고 임포트를 클릭합니다.
      • 사용자 지정 데이터 소스: 기록 데이터 기록이 포함된 단일 형식의 CSV 파일을 첨부할 수 있습니다. 파일을 선택하고 [가져오기]를 클릭합니다.
      주:
      임포트하는 CSV 파일에는 다음 헤더가 포함되어야 합니다.
      • 레이블
      • 머리글
      • 본문 텍스트
      각 레코드는 CSV 파일의 레이블 열에 악의적이거나 합법적인 태그를 포함해야 합니다.

      데이터 가져오기를 중지하려면 Cancel Import(임포트 취소 )를 클릭합니다. 임포트 프로세스가 취소되고 지금까지 임포트한 모든 기록이 삭제됩니다.

    4. 기록 데이터를 임포트한 후 링크를 클릭하여 페이지를 새로 고칩니다.
      그런 다음, 더 많은 교육 데이터를 임포트하거나 다음 단계를 계속할 수 있습니다.
    5. 3단계에서는 교육에 사용할 수 있는 레코드 수가 최소 임계치 요구 사항을 충족하는지 확인합니다.
      주:
      최대 및 최소 교육 기록 수에 대한 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 교육에 대한 입력을 업데이트할 수 있습니다.
      사용자가 보고한 피싱: ML 구성: 입력
    7. 수정할 수 있는 예측 입력은 다음과 같습니다.
      • 무엇을 예측하고 싶습니까?
      • 출력 필드 예측에 유용한 입력 데이터는 무엇입니까?
      • 솔루션 교육에 사용하려는 이전 데이터는 무엇이며, 원하는 재교육 빈도는 무엇입니까?
      이러한 입력의 기본값이 표시됩니다. 이러한 항목을 수정하고 다음 중 하나를 클릭할 수 있습니다.
      • 업데이트: 교육 모델 정의를 업데이트합니다.
      • 업데이트 및 재교육: 교육 모델 정의를 업데이트하고 모델을 다시 교육합니다( 모델 교육 기능 트리거).
    8. 마지막으로 모델 교육을 완료했으면 예측 활성화 확인란을 클릭합니다.
      이제 해당 모델을 사용하여 보고된 모든 사용자 피싱 기록에 대한 예측이 제공됩니다. 사용자가 보고한 피싱 기록에 대한 예측 제공을 중지하려면 예측 활성화 확인란의 선택을 취소하고 비활성화를 클릭합니다.