Relatório de anomalias

O relatório de anomalias na Análise avançada ajuda os administradores de TI a identificar proativamente problemas de integridade do dispositivo antes que eles afetem os usuários. Ele monitora travamentos, falhas e reinicializações de erros de parada, fornecendo visibilidade dos problemas antes que eles cheguem aos canais de suporte.

O recurso correlaciona objetos de implantação e alterações de configuração para acelerar a solução de problemas e sugerir causas raiz. Os grupos de correlação de dispositivos revelam padrões entre os dispositivos afetados e sinalizam outros que estão em risco.

Antes de começar

Examinar o relatório

1. No Centro de administração do Microsoft Intune, selecione Relatórios> Visãogeralda análise> do ponto de extremidade.
2. Selecione a guia Anomalias , que fornece uma visão geral das anomalias detectadas em sua organização.

• Use os recursos de classificação e filtragem para refinar a lista de anomalias.
• Para exibir mais informações sobre uma anomalia específica, selecione-a na lista. Examine detalhes como o nome do aplicativo, os dispositivos afetados, quando o problema foi detectado pela primeira vez e ocorreu pela última vez e quaisquer grupos de dispositivos que possam estar contribuindo para o problema.
• Selecione um grupo de correlação de dispositivo na lista para ver fatores comuns entre dispositivos. Os dispositivos são correlacionados por atributos compartilhados, como versão do aplicativo, atualização do driver, versão do sistema operacional ou modelo do dispositivo. Você pode exibir o número de dispositivos afetados no momento e aqueles em risco. A taxa de prevalência mostra a porcentagem de dispositivos afetados em um grupo de correlação.
• Selecione Exibir Dispositivos Afetados para exibir uma lista de dispositivos com atributos-chave. Filtre para exibir dispositivos em grupos de correlação específicos ou mostrar todos os dispositivos afetados pela anomalia. A linha do tempo do dispositivo também mostra eventos anômalos adicionais.

Examinar dados de detecção de anomalias

Investigue grupos de correlação de dispositivos sinalizados usando a linha do tempo do dispositivo e os relatórios de recursos para determinar as causas raiz. Os grupos de correlação de dispositivos ajudam a identificar as causas raiz de anomalias de gravidade alta e média, bem como dispositivos em risco que podem ser afetados no futuro.

Práticas recomendadas:

• Revise periodicamente o dashboard de anomalias para entender a linha de base atual e priorizar investigações e resoluções para novos problemas.
• Investigue novos problemas relatados para identificar fatores comuns, como o hardware do dispositivo, conforme mostrado na análise avançada.
• Priorize as anomalias a serem investigadas com base na gravidade e no conhecimento interno, como a criticidade do aplicativo.
• Use o relatório de linha do tempo do dispositivo para marcar padrões, como reinicializações de dispositivos ou atualizações vinculadas a anomalias.
• Trabalhe com as equipes de TI para identificar outros fatores, como atualizações recentes de aplicativos, que podem afetar as anomalias.
• Examine as possíveis ações de correção anotadas no relatório de anomalias (por exemplo, atualizações de driver ou aplicativo).
• Integre resoluções ao suporte L1/L2 para manter as equipes cientes dos problemas conhecidos atuais. Considere trabalhar com sua equipe de ITSM para registrar anomalias conhecidas sob investigação.
• Teste as ações de correção em um subconjunto de dispositivos e monitore os resultados antes de distribuir para mais dispositivos. Após a correção, implante proativamente em dispositivos em risco.
• Examine os relatórios de anomalias após grandes atualizações ou incidentes para marcar se há novos problemas que precisam de investigação e resolução.
• Para entender melhor os métodos de detecção, revise os modelos estatísticos usados pela detecção de anomalias.

Modelos estatísticos para determinação de anomalias

O modelo analítico detecta coortes de dispositivos que enfrentam conjuntos anômalos de reinicializações de erro de parada e travamentos ou travamentos de aplicativos que precisam de atenção do administrador. Os padrões identificados a partir da telemetria do sensor e dos registros de diagnóstico determinam essas coortes de dispositivos.

• Modelo heurístico baseado em limite: esse modelo define um ou mais valores limite para travamentos, falhas ou reinicializações de erro de parada de aplicativo. Os dispositivos serão sinalizados como anômalos se violarem o limite definido. O modelo é simples e eficaz para revelar problemas proeminentes ou estáticos. Atualmente, os limites são predeterminados e não personalizáveis.
• Modelo de testes t pareados: os testes t pareados comparam pares de observações em um conjunto de dados, procurando diferenças estatisticamente significativas entre suas médias. Por exemplo, comparar reinicializações com erro de parada no mesmo dispositivo antes e depois de uma alteração de política ou falha no aplicativo após uma atualização do sistema operacional.
• Modelo de pontuação Z da população: esse modelo calcula o desvio padrão e a média de um conjunto de dados e usa esses valores para determinar quais pontos de dados são anômalos. O escore Z para cada ponto de dados representa o número de desvios padrão da média. Pontos de dados fora de um determinado intervalo são considerados anômalos. Esse modelo é adequado para destacar dispositivos ou aplicativos discrepantes, mas requer grandes conjuntos de dados para ser preciso.
• Modelo de pontuação Z de séries temporais: essa variação do modelo de pontuação Z foi projetada para detectar anomalias em dados de séries temporais - sequências de pontos de dados coletados em intervalos regulares, como reinicializações de erro de parada ao longo do tempo. Standard desvio e a média são calculados para uma janela deslizante, permitindo que o modelo se adapte aos padrões temporais e às mudanças na distribuição dos dados.