Philo-AD

Philo-AD2.png

딥러닝 기반의 강력한 이상 패턴 감지

​금융보안

FDS

정보수집

분석/탐지

​모니터링

과제/중소규 보안관리

웹/로그관리 분석

이상패턴감지

APT 대응

ESM/IDS/IPS/DRM

​스마트 팩토리

제조공정 환경제어

에너지효율 최적화

제조품질분석

설비​예지보전

philo-ad 설명.png

딥러닝 기반 신경망 방식과 규칙기반 방식을 효과적으로 결합하여 신경망 방식의 실시간성, 일반화 능력과 규칙기반 방식의 즉시 적용성, 해석 능력을 동시에 갖췄습니다. 

이상패턴 감지 기술을 Log Monitoring SaaS 또는 Deep Learning SaaS 형태로도 제공합니다. 

기존 인공지능 기반 솔루션

물음표.png

​비정상 데이터를 일일이 찾아낸 후 학습

Philo-AD

느낌표.png

정상 데이터를 먼저 학습한 후
​범위에서 벗어나는 부분을 이상데이터로 감지

심층신경망과 지식기반 방식의 결합을 활용한 점진적 오탐 최소화

학습기간, 적용기간, 비용을 최대 50%까지 줄일 수 있으며 알려지지 않았던 위험 요소에 대한 파악 가능

특장점

데이터 수집 편리성

정상적인 패턴의 데이터만 있는 경우에도 솔루션 적용 가능, 데이터 수집 시 각각의 레이블링 작업 필요 없음

정확도 향상.png

​정확도 향상

이상 패턴 저장을 통하여 점진적으로 정확도가 향상

다양한 환경에서의 활용성.png

다양한 환경에서의 활용성

특정 시스템에 특화한 솔루션이 아니므로

다양한 분야에 맞춤 적용 가능

실제 적용 가능한 솔루션.png

​실제 적용 가능한 현실적 솔루션

현재 활발히 연구되고 있는 강화학습에 의한 적응신경망 모델 적용 전에 필요한 실용적 솔루션

문제 영역 전문가 불필요.png

문제 영역 전문가 불필요

컨설팅에 의한 규칙 생성이 불필요함,

이에 따른 개발 비용, 시간 절감

대시보드

Philo-AD_대시보드.png
Philo-AD_대시보드.png

이상 패턴 원인 설명

이상 패턴 검출 결과 및 원인에 대한 설명

3

Auto Learn

데이터를 자동 수집하여 스스로 학습을 진행

2

모니터링 및 그래프화

학습 진행상황 모니터링 및 테스트 결과

모니터링 이상패턴 분석 그래프 제공

1

Philo-AD 활용 사례

모니텍

AI기반 EV 배터리 용접 품질 모니터링 시스템

​개발기간 7개월 | 전문가 4명 투입

KT연구개발센터

Netflow 적용을 위한 KT.com 웹로그 이상패턴감지 시스템

​개발기간 4개월 | 전문가 3명 투입