異常報告

進階分析中的異常報告可協助 IT 系統管理員在裝置健康情況問題影響使用者之前主動識別它們。 它監控應用程式掛起、崩潰和停止錯誤重新啟動，在問題到達支援管道之前提供對問題的可見性。

此功能會將部署物件與設定變更相互關聯，以加快疑難排解並建議根本原因。 裝置相互關聯群組會顯示受影響裝置之間的模式，並標示其他有風險的裝置。

開始之前

檢閱報告

1. 在 Microsoft Intune 系統管理中心，選取 [報表>端點分析>概觀]。
2. 選取 [ 異常 ] 索引標籤，其提供組織中偵測到的異常概觀。

• 使用排序和篩選功能來精簡異常清單。
• 若要檢視特定異常的詳細資訊，請從清單中選取它。 檢閱詳細資料，例如應用程式名稱、受影響的裝置、第一次偵測到問題和上次發生的時間，以及可能導致問題的任何裝置群組。
• 從清單中選取裝置相互關聯群組，以查看裝置之間的共同因數。 裝置會依共用屬性相互關聯，例如應用程式版本、驅動程式更新、作業系統版本或裝置型號。 您可以檢視目前受影響和有風險的裝置數目。 盛行率顯示相關群組中受影響裝置的百分比。
• 選取 [檢視受影響的裝置]， 以顯示具有關鍵屬性的裝置清單。 篩選以查看特定相互關聯群組中的裝置，或顯示受異常影響的所有裝置。 裝置時間表也顯示其他異常事件。

檢閱異常偵測資料

使用裝置時間表和資源報告調查已標幟的裝置相互關聯群組，以判斷根本原因。 裝置相互關聯群組可協助識別高和中嚴重性異常的根本原因，以及未來可能受到影響的高風險裝置。

最佳作法：

• 定期檢閱異常儀表板，以瞭解目前的基準，並排定新問題的調查和解決方案優先順序。
• 調查新報告的問題以識別常見因素，例如裝置硬體，如進階分析中所示。
• 根據嚴重性和內部知識 （例如應用程式關鍵性） 排定要調查的異常優先順序。
• 使用 裝置時間表 報告來檢查模式，例如裝置重新啟動或與異常相關聯的更新。
• 與 IT 小組合作，識別可能影響異常的其他因素，例如最近的應用程式更新。
• 檢閱異常報告中指出的可能補救動作 (例如，驅動程式或應用程式更新) 。
• 將解決方案整合至 L1/L2 支援，讓團隊瞭解目前的已知問題。 請考慮與您的 ITSM 小組合作，記錄正在調查的已知異常。
• 在裝置子集上測試補救動作並監控結果，再推出至更多裝置。 補救之後，主動推出至有風險的裝置。
• 在重大更新或事件之後檢閱異常報告，以檢查需要調查和解決的新問題。
• 若要更瞭解偵測方法，請檢閱異常偵測所使用的 統計模型 。

用於確定異常的統計模型

分析模型可偵測裝置群組，這些裝置群組會面臨一組異常的停止錯誤、重新啟動，以及需要系統管理員注意的應用程式當機或當機。 從感應器遙測和診斷記錄中識別的模式決定這些裝置世代。

• 閾值型啟發學習模型：此模型會為應用程式掛起、當機或停止錯誤重新啟動設定一或多個閾值。 如果裝置超過設定的閾值，則會將裝置標記為異常。 該模型簡單有效，可以浮現突出或靜態問題。 臨界值目前是預先決定的，無法自訂。
• 配對 t 檢定模型：配對 t 檢定比較數據集中的觀測對，尋找它們平均值之間的統計顯著差異。 例如，比較在原則變更前後在同一裝置上重新啟動停止錯誤，或在作業系統更新後應用程式當機。
• 母體 Z 分數模型：此模型會計算資料集的標準差和平均值，然後使用這些值來判斷哪些資料點是異常的。 每個資料點的 Z 分數代表與平均值的標準差數。 超出特定範圍的資料點會被視為異常。 此模型非常適合醒目提示異常值裝置或應用程式，但需要大型資料集才能準確。
• 時間序列 Z 分數模型：Z 分數模型的這種變化是專為偵測時間序列資料中的異常所設計，也就是定期收集的資料點序列，例如隨著時間重新啟動的停止錯誤。 針對滑動視窗計算 Standard Deviation 和 Mean，使模型能夠適應時間模式和資料分佈的變化。