Normalisation des modèles de découverte à l’aide du machine learning

Utilisez le machine learning pour améliorer vos taux de normalisation en temps réel en normalisant votre logiciel découvert non reconnu.

L’application Gestion des actifs logiciels utilise le machine learning pour améliorer la normalisation des modèles de découverte. Les valeurs de prédiction actuellement prises en charge par le machine learning sont version, version complète et édition.

Abonnez-vous à la normalisation du machine learning en activant le module d’extension Gestion des actifs logiciels – Normalisation du machine learning (com.sn_sam_ml_normalization). À partir de la version, les capacités de normalisation du machine learning sont disponibles pour les Australie marchés réglementés de ServiceNow Protected Platform (SPP) à Singapour (SG) et en Australie (AU).

Une fois le module d’extension activé, assurez-vous que la Enable ML Normalization for discovered software propriété (com.snc.samp.enable.ml_normalization) est sélectionnée. Pour en savoir plus sur cette propriété, reportez-vous à la section Propriétés du Gestion des actifs logiciels. Vous pouvez désactiver la normalisation du machine learning en désactivant cette propriété. Si vous annulez votre adhésion, la normalisation des modèles de découverte a uniquement lieu par rapport aux règles du service de contenu.

La tâche planifiée, SAM : normaliser les modèles de découverte à l’aide des règles de la bibliothèque de contenu, se déclenche quotidiennement et normalise les modèles de détection en fonction des règles de contenu. Cette tâche planifiée s’exécute indépendamment du fait que le module d’extension Gestion des actifs logiciels – Normalisation d’apprentissage machine soit activé ou non. Si ce module d’extension est activé, les modèles de découverte partiellement normalisés sont récupérés par une autre tâche planifiée, SAM : normaliser les modèles de découverte à l’aide du machine learning. La tâche planifiée, SAM : normaliser les modèles de découverte à l’aide des règles de bibliothèque de contenu , est améliorée pour invoquer la tâche planifiée sur demande, SAM : normaliser les modèles de découverte à l’aide du machine learning , et valide également les prédictions de machine learning.

Une fois que la tâche planifiée, SAM : Normaliser les modèles de découverte à l’aide du machine learning , est terminée, vous pouvez afficher les valeurs mises à jour dans les colonnes basées sur le machine learning suivantes dans la table Modèle de détection de logiciels [cmdb_sam_sw_discovery_model] :

• Valeurs de prédiction ML : indique les valeurs prévues pour les attributs.
• Version de modèle ML : indique la version du modèle qui a été utilisée pour prédire les attributs.
• État de normalisation ML : indique l’état de normalisation de l’apprentissage machine. Les valeurs de cette colonne comprennent :
  • ML normalisé : le modèle de découverte est normalisé par le machine learning
  • Rétabli : le modèle de découverte est normalisé par le machine learning, mais l’utilisateur a rétabli les valeurs normalisées
  • Contenu remplacé : prédictions de machine learning remplacées par les nouvelles règles de contenu

Remarque :

L’état de la tâche planifiée, SAM : normaliser les modèles de découverte à l’aide du machine learning , est suivi dans la table Résultats de la tâche des actifs logiciels [samp_job_log].

Comme les règles de contenu sont constamment mises à jour, la tâche planifiée hebdomadaire SAM : normaliser les modèles de découverte à l’aide des règles de la bibliothèque de contenu sélectionne les modèles de découverte normalisés par le machine learning et tente de normaliser ces modèles avec les dernières règles de contenu. Si les valeurs prévues du machine learning diffèrent des valeurs prédictives du service de contenu, les prédictions du machine learning sont remplacées par les valeurs du service de contenu. Les valeurs de prédiction du service de contenu ont toujours priorité sur les valeurs de prédiction du machine learning.

Remarque :

Pour plus de détails sur les règles de normalisation des valeurs prédictives, consultez les tables intitulées Règles de normalisation pour les produits sous licence etRègles de normalisation pour les produits sans licence.

Vous pouvez normaliser manuellement un modèle de détection en rétablissant les valeurs de normalisation. Lorsque vous rétablissez les normalisations dans le formulaire du modèle de détection de logiciels, toutes les valeurs normalisées obtenues à partir du contenu et de l’apprentissage machine sont supprimées. Le modèle de détection revient à l’état Correspondance introuvable.

Remarque :

Lorsque vous rétablissez un modèle de découverte normalisé par le machine learning, les règles de contenu ne sont pas désactivées. Toutefois, si un modèle de détection est normalisé uniquement par des règles de contenu, les règles de contenu sont désactivées.

Tableau 1. Règles de normalisation pour les produits sous licence

Champs	État de la normalisation
Tous les champs sont normalisés Remarque : Tous les champs incluent l’éditeur, le produit, la version, l’édition et la version complète.	Normalisé
Seul l’éditeur est normalisé	Normalisé par l'éditeur
Si aucun des champs n’est normalisé : éditeur, produit, version, édition, version complète	Correspondance introuvable
Seuls le produit et l’éditeur sont normalisés.	Partiellement normalisé

Tableau 2. Règles de normalisation pour les produits sans licence

Champs	État de la normalisation
Si seuls l’éditeur et le produit sont normalisés	Normalisé
Seul l’éditeur est normalisé	Normalisé par l'éditeur
Si aucun des champs n’est normalisé : éditeur, produit, version, édition, version complète	Correspondance introuvable