KI-Erkennungen¶
Die KI-Erkennungsansicht zeigt Anomalien, die von der lokalen KI/ML-Engine identifiziert wurden — wenn diese ungewöhnliche oder verdächtige Aktivitäten auf dem Gerät basierend auf Verhaltensanalyse und statistischer Bewertung erkennt. Alle Erkennungen werden lokal generiert, ohne Cloud-Verarbeitung oder Datenweitergabe.
Zweck der KI-Erkennungen¶
Die KI-Engine erkennt: - Verhaltensanomalien — Abweichungen von der etablierten Gerätbasislinie - Verdächtige Aktivitätssequenzen - Seltene oder unerwartete Muster - Statistische Ausreißer über Verhaltensmerkmale hinweg - Hochrisikoabweichungen, die durch Isolation-Forest-Bewertung identifiziert werden
Diese Erkennungen ergänzen die regelbasierten Ergebnisse von Nyroxis Intelligence und fügen eine Schicht verhaltensbasierter Intelligenz hinzu, die nicht auf vordefinierten Regeln basiert.
Arten von KI-Erkennungen¶
1. Anomaliebasierte Erkennungen¶
Ausgelöst, wenn der Isolation-Forest-Anomalie-Score 0,6 überschreitet — was bedeutet, dass das beobachtete Verhaltensmuster statistisch von der normalen Basislinie isoliert ist.
Beispielfälle: - Ungewöhnliche Prozessaktivität zu unerwarteten Zeiten - Unregelmäßige Netzwerkverbindungsmuster - Unerwartete Dateiänderungsschübe - Aktivität weit außerhalb der typischen Tageszeit- oder Wochentagsbasislinie
2. Statistische Ausreißer (Z-Score)¶
Ausgelöst, wenn ein bestimmtes Verhaltensmerkmal erheblich vom historischen Mittelwert abweicht: - Kritisch: Z-Score > 3,0 (99,7 % Konfidenz) - Hoch: Z-Score > 2,0 (95 % Konfidenz) - Mittel: Z-Score > 1,5 (86 % Konfidenz) - Niedrig: Z-Score > 1,0 (68 % Konfidenz)
3. Spike-Erkennungen¶
Ausgelöst, wenn eine überwachte Metrik plötzlich weit über ihren historischen Durchschnitt springt: - Plötzlicher Ereignisschub pro Stunde - Spike bei neuen Netzwerkzielen - Schneller Anstieg eindeutiger Quellen
4. Persistente Anomalien¶
Langfristige Abweichungen, die sich im Laufe der Zeit ansammeln: - Allmählicher Anstieg des Neue-Ziele-Verhältnisses - Sich langsam aufbauende ungewöhnliche Aktivitätsmuster - Wiederholte Anomalien mit niedrigem Score, die einen Trend bilden
Erkennungsdetails¶
Jede KI-Erkennung enthält: - Beschreibung der Anomalie - Anomalie-Score (0,0 – 1,0) - Schweregradklassifizierung - Beitragende Merkmale — die spezifischen Verhaltensdimensionen, die am stärksten von der Basislinie abwichen, mit Z-Score-Werten - Zeitstempel und Analysefenster
100 % Lokal & Privat¶
Alle KI-Erkennungen sind: - Offline auf dem Gerät berechnet - Lokal in der verschlüsselten Datenbank gespeichert - Aus verschlüsselten Ereignisprotokollen abgeleitet - Werden niemals auf Server hochgeladen oder mit Dritten geteilt
Zusammenfassung¶
KI-Erkennungen liefern intelligente, datenschutzfreundliche Anomaliewarnungen, die die regelbasierte Erkennung ergänzen — und Benutzern helfen, gefährliche oder abnormale Aktivitäten frühzeitig zu erkennen, mit vollständig lokaler Verarbeitung und ohne Cloud-Abhängigkeit.