Report Anomalie

Il report sulle anomalie in Analisi avanzata consente agli amministratori IT di identificare in modo proattivo i problemi di integrità del dispositivo prima che influiscano sugli utenti. Monitora i blocchi delle applicazioni, gli arresti anomali e i riavvii degli errori irreversibili, fornendo visibilità sui problemi prima che raggiungano i canali di supporto.

La funzionalità correla gli oggetti di distribuzione e le modifiche alla configurazione per accelerare la risoluzione dei problemi e suggerire le cause principali. I gruppi di correlazione dei dispositivi rivelano i modelli tra i dispositivi interessati e contrassegnano gli altri dispositivi a rischio.

Prima di iniziare

Esamina il report

1. Nell'interfaccia di amministrazione di Microsoft Intune selezionarePanoramica di analisi>degli> endpoint.
2. Selezionare la scheda Anomalie , che offre una panoramica delle anomalie rilevate nell'organizzazione.

• Usa le funzionalità di ordinamento e filtro per perfezionare l'elenco delle anomalie.
• Per visualizzare altre informazioni su un'anomalia specifica, selezionarla nell'elenco. Esamina i dettagli, ad esempio il nome dell'app, i dispositivi interessati, la data e l'ora in cui il problema si è verificato per la prima volta e gli eventuali gruppi di dispositivi che potrebbero contribuire al problema.
• Seleziona un gruppo di correlazione dei dispositivi dall'elenco per visualizzare i fattori comuni tra i dispositivi. I dispositivi sono correlati da attributi condivisi, ad esempio la versione dell'app, l'aggiornamento del driver, la versione del sistema operativo o il modello del dispositivo. Puoi visualizzare il numero di dispositivi attualmente interessati e quelli a rischio. Il tasso di prevalenza mostra la percentuale di dispositivi interessati in un gruppo di correlazione.
• Selezionare Visualizza dispositivi interessati per visualizzare un elenco di dispositivi con attributi chiave. Filtra per visualizzare i dispositivi in gruppi di correlazione specifici o mostrare tutti i dispositivi interessati dall'anomalia. La sequenza temporale del dispositivo mostra anche altri eventi anomali.

Esaminare i dati di rilevamento delle anomalie

Esamina i gruppi di correlazione dei dispositivi contrassegnati usando la sequenza temporale del dispositivo e i report sulle risorse per determinare le cause principali. I gruppi di correlazione dei dispositivi consentono di identificare le cause radice delle anomalie di gravità elevata e media, nonché i dispositivi a rischio che potrebbero essere interessati in futuro.

Procedure consigliate:

• Esamina periodicamente il dashboard delle anomalie per comprendere la baseline corrente e assegnare priorità alle indagini e alle risoluzioni per nuovi problemi.
• Analizza i nuovi problemi segnalati per identificare i fattori comuni, ad esempio l'hardware del dispositivo, come illustrato nell'analisi avanzata.
• Assegnare priorità alle anomalie da analizzare in base alla gravità e alle conoscenze interne, ad esempio la criticità delle applicazioni.
• Usa il report sequenza temporale del dispositivo per verificare la presenza di modelli, ad esempio riavvii del dispositivo o aggiornamenti legati ad anomalie.
• Collaborare con i team IT per identificare altri fattori, come gli aggiornamenti recenti delle applicazioni, che potrebbero influire sulle anomalie.
• Esamina le possibili azioni correttive annotate nel report di anomalia (ad esempio, aggiornamenti di driver o applicazioni).
• Integrare le risoluzioni nel supporto L1/L2 per tenere i team al corrente dei problemi noti. È consigliabile collaborare con il team ITSM per registrare le anomalie note in fase di indagine.
• Testare le azioni di correzione in un sottoinsieme di dispositivi e monitorare i risultati prima di implementarle in altri dispositivi. Dopo la correzione, distribuisci in modo proattivo nei dispositivi a rischio.
• Esamina i report delle anomalie dopo aggiornamenti importanti o eventi imprevisti per verificare la presenza di nuovi problemi che necessitano di analisi e risoluzione.
• Per comprendere meglio i metodi di rilevamento, esaminare i modelli statistici usati dal rilevamento delle anomalie.

Modelli statistici per la determinazione delle anomalie

Il modello analitico individua le coorti di dispositivi che affrontano set anomali di riavvii di errori irreversibili e blocchi o arresti anomali delle applicazioni che richiedono l'intervento dell'amministratore. I modelli identificati dai log di telemetria e diagnostica del sensore determinano queste coorti di dispositivi.

• Modello euristico basato su soglia: questo modello imposta uno o più valori di soglia per il blocco dell'applicazione, l'arresto anomalo o il riavvio di errori irreversibili. I dispositivi vengono contrassegnati come anomali se superano la soglia impostata. Il modello è semplice ed efficace per far emergere problemi prominenti o statici. Le soglie sono attualmente predeterminate e non personalizzabili.
• Modello di test t accoppiati: i test t accoppiati confrontano coppie di osservazioni in un set di dati, cercando differenze statisticamente significative tra le loro medie. Ad esempio, il confronto tra riavvii irreversibili sullo stesso dispositivo prima e dopo una modifica dei criteri o l'arresto anomalo di un'app dopo un aggiornamento del sistema operativo.
• Modello Z-score della popolazione: questo modello calcola la deviazione standard e la media di un set di dati, quindi usa tali valori per determinare quali punti dati sono anomali. Lo Z-score per ogni punto dati rappresenta il numero di deviazioni standard dalla media. I punti dati al di fuori di un determinato intervallo sono considerati anomali. Questo modello è adatto per evidenziare app o dispositivi anomali, ma richiede set di dati di grandi dimensioni per essere accurato.
• Modello Z-score per le serie temporali: questa variante del modello Z-score è progettata per rilevare anomalie nei dati delle serie temporali, sequenze di punti dati raccolte a intervalli regolari, ad esempio i riavvii con errore irreversibile nel tempo. La deviazione standard e la media vengono calcolate per una finestra scorrevole, consentendo al modello di adattarsi ai modelli temporali e ai cambiamenti nella distribuzione dei dati.