Elastic fügt dem Elastic Stack Machine Learning hinzu


Das erste Set an Funktionen für nicht überwachtes (unsupervised) maschinelles
   Lernen vereinfacht die Anomalie-Erkennung bei Zeitreihen-Anwendungsfällen

Mountain View, Kalifornien, und Amsterdam, Niederlande - 4. Mai 2017 -
Elastic, die Firma hinter Elasticsearch und dem Elastic Stack, der am meisten
genutzten Sammlung von Open-Source-Produkten zur Lösung unternehmenskritischer
Anwendungsfälle wie Suche, Logging und Analytik, gibt die Einführung ihrer
ersten Machine-Learning-Funktionen in Version 5.4 von Elastic bekannt. Auf
Grundlage der kürzlich erfolgten Übernahme von Prelert greifen die neuen
Funktionen das zunehmende Verlangen von Kunden auf, Machine-Learning-Technologie
einzusetzen, ohne dass interne Fachkenntnisse oder eine eigene Entwicklung nötig
sind. Die neuen Machine-Learning-Funktionen von Elastic bieten eine fertige
Lösung für jeden Zeitreihen-Datensatz, die automatisch Anomalien identifiziert,
die Ursachenanalyse optimiert und False Positives in Echtzeitanwendungen
reduziert. Die Technologie liefert schnelle Unternehmensvorteile für Firmen, die
Probleme in ihrer Infrastruktur, Cyber-Angriffe oder Unternehmensprobleme in
Echtzeit aufdecken wollen.
http://www.globenewswire.com/NewsRoom/AttachmentNg/6715498e-bb5c-4ac6-a5b5-
2604e6d7fcc9

http://www.globenewswire.com/NewsRoom/AttachmentNg/c853e047-1e0a-4a46-adfa-
6e43f1f89083

"Es ist unsere Vision, dem Prozess die Komplexität zu nehmen und es für unsere
Nutzer einfach zu machen, Machine Learning innerhalb des Elastic Stack für
Anwendungsfälle wie Logging, Sicherheit und Metriken einzusetzen", so Shay
Banon, Gründer und CEO von Elastic. "Ich freue mich, dass unsere neuen, nicht-
überwachten Machine-Learning-Funktionen unseren Nutzern eine skalierte, sofort
einsetzbare Möglichkeit bieten, Anomalien in ihren Zeitreihendaten zu finden,
und das als natürliche Erweiterung von Suche und Analytik."

Organisationen wollen zunehmend Echtzeit-Analysen erhalten und
operationalisieren. Aus diesem Grund hat sich der Elastic Stack für Entwickler
und IT-Teams zu einem der meistgenutzten Tools zum Sammeln, Anreichern und
Analysieren von Log-Dateien, Sicherheitsdaten, Metriken, Textdokumenten und
vielem mehr entwickelt. Aber die von solchen Organisationen generierten Daten
werden immer umfassender und komplexer, was traditionelle Ansätze zur
Datenanalyse unpraktisch macht. Drittanbieter- und standardmäßig erhältliche
Machine-Learning-Toolkits bieten zwar die Möglichkeit, Statistikmodelle zu
erstellen, doch die größte Herausforderung besteht darin, Echtzeit-
Betriebssysteme für bestehende Workstreams und Anwendungsfälle zu entwickeln.
Zur Entwicklung der richtigen statistischen Modelle für verschiedene,
breitgefächerte Datensätze sind seltene und teure Datenanalysefähigkeiten
nötig.
Zudem sind von Hand erstellte Regeln instabil und generieren oft viele False
Positives.

Jetzt verfügbar in Version 5.4 als Funktion von X-Pack: Der erste Satz an nicht-
überwachten Machine-Learning-Funktionen von Elastic, der die Anomalie-Erkennung
bei Zeitreihendaten wie Log-Dateien, Anwendungs- und Performance-Metriken,
Netzwerk-Flows oder auch Finanz-/Transaktionsdaten automatisiert. Durch den
Einsatz bestehender und kontinuierlicher Daten aus Elasticsearch bieten die
neuen Machine-Learning-Funktionen den Elastic Nutzern eine sofort einsatzbereite
Lösung zum Operationalisieren ihrer Arbeitsabläufe und Anwendungsfälle wie
Logging, Sicherheits- sowie Metrikanalysen in Echtzeit. Darüber hinaus
ermöglichen diese Funktionen, ausgereifte Machine-Learning-Aufträge mit der
vertrauten, benutzerfreundlichen Kibana-UI zu erstellen und Komplexität und
umständliche Integrationen zu minimieren. Zusätzliche Vorteile:

  * Wird als Bestandteil von X-Pack mit nur einem Befehl in Elasticsearch und
    Kibana installiert
  * Native Integration in den Elastic Stack; es müssen keine Daten aus
    Elasticsearch exportiert werden
  * Intuitive Benutzeroberfläche zur Erstellung von Machine-Learning-Aufträgen
    und zur Analyse von erkannten Anomalien für viele verschiedene Datentypen
    (Log-Nachrichten, Netzwerkverkehr, Metriken)
  * Läuft mit Elasticsearch - äußerst skalierbar und hochverfügbar
  * Vollständige Unterstützung der Alerting-Funktionen für proaktive
    Benachrichtigungen von X-Pack

Mehr erfahren
  * Elastic Machine Learning Blog
  * Erste Schritte mit Machine Learning in X-Pack

Über Elastic
Elastic entwickelt Software, um Daten für Such-, Logging-, Sicherheits- und
Analytikanwendungsfälle in Echtzeit besser nutzbar zu machen und zu skalieren.
Das 2012 gegründete Unternehmen entwickelt die Open-Source-Lösung Elastic Stack
(Elasticsearch, Kibana, Beats und Logstash), X-Pack (kommerzielle Funktionen)
und Elastic Cloud (gehostetes Angebot). Bisher wurden die Produkte insgesamt
über 100 Millionen Mal heruntergeladen. Elastic wird von Benchmark Capital,
Index Ventures und NEA durch Investitionen in Höhe von über 100 Mio. USD
unterstützt und beschäftigt über 500 Mitarbeiter in 30 Ländern. Weitere
Informationen gibt es unter elastic.co.

Pressekontakte bei Elastic:

AMER
Michael Lindenberger
Reidy Communications for Elastic
michael@reidycommunications.com
+1-415-531-1449

EMEA-Raum
Rory MacDonald
Age of Peers Ltd for Elastic
rory@ageofpeers.com
+44 (0)7899 965232

APAC
Janis Ma
Elastic Asia Pacific
janis@elastic.co
+852 3552 2927



This announcement is distributed by Nasdaq Corporate Solutions on behalf of Nasdaq Corporate
Solutions clients.
The issuer of this announcement warrants that they are solely responsible for the content,
accuracy and originality of the information contained therein.
    
Source: Elastic via GlobeNewswire

https://www.elastic.co