Når store IT‑systemer feiler kan konsekvensene bli store. Samtidig er avviksdeteksjon i slike systemer grunnleggende vanskelig: Det er ofte uklart, selv for mennesker, hva som egentlig er normal oppførsel og hva som er et avvik. Og ikke nok med det: Det som er «normalt» kan endre seg over tid, noe som gjør oppgaven enda mer krevende. I tillegg finnes det som regel få eller ingen pålitelige markeringer av hvilke datapunkter som faktisk er avvik. Selv når slike markeringer finnes, kan kvaliteten være lav. Dette gjør det utfordrende å bygge treffsikre, stabile og helautomatiserte systemer for avviksdeteksjon.
I prosjektet PReVENT utvikler Norsk Regnesentral derfor nye KI‑baserte metoder som skal håndtere nettopp disse utfordringene. Løsningen kombinerer store mengder tidsseriedata og tekstlige hendelseslogger fra komplekse og distribuerte IT‑systemer, og bruker maskinlæring til å avdekke mønstre som kan varsle om feil før de skjer. Målet er et generelt og helautomatisert rammeverk som kan overvåke, tolke og forutsi problemer på tvers av bransjer og systemtyper; fra finans og helse til teknisk infrastruktur.
Prosjektet gjennomføres sammen med AIMS Innovation og støttes av Norges forskningsråd. Når prototypen står klar, kan den bidra til tryggere, mer stabile digitale tjenester i en verden som blir stadig mer avhengig av at IT‑systemer fungerer - 24/7.
Hvordan er denne programposten koblet til teknologi?
Programposten forteller om utvikling av teknologi
