Siren通过AI呼叫推动实时分析

组织可以跨数据源执行大规模并行连接，以建立不同类别内容之间的关系。

Siren今天宣布，它已经增加了发现并随后分析其同名调查情报平台的数据源的能力。

与此同时，Siren的第10.3版增加了实体解析，基于深度学习的预测分析和警报，基于深度学习的时间序列异常检测，以及跨多个仪表板加入实体的能力。

这些功能中的每一项都是通过人工启用的
使用TensorFlow或Python等工具创建的智能（AI）模型
与搜索引擎实例一起部署为Docker容器
联合创始人兼首席执行官Giovanni Tummarello博士表示，基于Elasticsearch
Siren的产品官。

这种方法使Siren能够在模块化中添加AI功能
时尚与依赖嵌入式机器学习算法
Tummarello补充说，Elasticsearch的整体实例。

最初是在Science提供的资助下开发的
爱尔兰基金会，Tummarello说，Siren与其他分析不同
其中的平台基于一个允许连接的关系数据模型
更容易跨越平台内或数据中的数据
第三方数据库，如Oracle，SQL Server或PostgreSQL。组织可以
然后设置数据模型，这些数据模型是主要数据模型的所有子集
Tummarello。

“每个子数据模型都能完美地协同工作，”Tummarello说。

为了使这些数据模型更易于访问，Dashboard 360功能现在可以更轻松地在不同仪表板之间进行连接之间导航，Tummarello说这不是由Elasticsearch内置的基于Kibana的仪表板提供的功能。

Siren 10.3增加的其他新功能包括视觉效果
用于探索在Siren数据模型，连接器之上创建的图形的工具
Elasticsearch的本地和远程实例，简化配置
进程，以及自动连接到Neo4J图数据库的向导。在
在下一个版本的Siren中，Tummarello表示该公司还将包括在内
120个连接器到其他数据源。

由于支持数据馈送，Tummarello说用例
现在可以扩展Siren以包括例如分析新闻报道或
网络安全警报。然后，组织可以执行大规模并行连接
跨越该数据以建立不同类别之间的关系
Tummarello补充道，他们认为合适的内容。

在组织大规模投资大数据平台的时候，Siren专注于简化将所有数据转化为可操作的情报。为此，Siren在访问数据源方面是不可知的。 Siren不是要求组织花费大部分时间和精力来集成各种开源工具和框架来分析所有数据，而是提供一个统一的框架，使组织能够分配更多的时间和资源来实时分析数据。组织正在摆脱面向批处理的业务流程的时候。然而，这些组织面临的挑战是，即使大多数组织能够实时汇总数据，将所有数据转化为可以实时采取行动的情报通常仍然是一个难以实现的目标。