# ML Detect 指南
**注意**
在下列區域目前未提供 ML Detect：
亞太地區 (馬來西亞)
在此入門指南中，您可以建立 ML Detect 安全性設定檔，其會使用機器學習 (ML)，根據您裝置的歷史指標資料建立預期行為的模型。當 ML Detect 建立 ML 模型時，您可以監控其進度。在建置 ML 模型之後，您可以持續檢視和調查警示，並緩解已識別的問題。
如需 ML Detect 及其 API 和 CLI 命令的相關資訊，請參閱 [ML Detect](dd-detect-ml.md)。
**Topics**
+ [
## 必要條件
](#ml-detect-prereqs)
+ [
## 如何在主控台中使用 ML Detect
](#dd-detect-ml-console)
+ [
## 如何搭配 CLI 使用 ML Detect
](#dd-detect-ml-cli)
## 必要條件
+ AWS 帳戶。如果您沒有此項，請參閱[設定](https://docs.aws.amazon.com/iot/latest/developerguide/dd-setting-up.html)。
## 如何在主控台中使用 ML Detect
**Topics**
+ [
### 啟用 ML Detect
](#enable-ml-detect-console)
+ [
### 監控您的 ML 模型狀態
](#monitor-ml-models-console)
+ [
### 檢閱您的 ML Detect 警示
](#review-ml-alarms-console)
+ [
### 微調您的 ML 警示
](#fine-tune-ml-models-console)
+ [
### 標記警示的驗證狀態
](#mark-your-alarms)
+ [
### 緩解已識別的裝置問題
](#mitigate-ml-issues-console)
### 啟用 ML Detect
下列程序詳述如何在主控台中設定 ML Detect。
1. 首先，確保您的裝置將建立 [ML Detect 最低需求](dd-detect-ml.md#dd-detect-ml-requirements)中定義的最小必要資料點，以持續訓練和重新整理模型。如需進行資料收集，請確定您的安全性設定檔已連接到目標，該目標可以是物件或物件群組。
1. 在 [AWS IoT 主控台](https://console.aws.amazon.com/iot)的導覽窗格中，展開 **Defend** (防禦)。依序選擇 **Detect** (偵測)、**Security profiles** (安全性設定檔)、**Create security profile** (建立安全性設定檔)、**Create ML anomaly Detect profile** (建立 ML 異常偵測設定檔)。
1. 在 **Set basic configurations** (設定基本組態) 頁面上，執行下列動作：
+ 在 **Target** (目標) 下，選擇您的目標裝置群組。
+ 在 **Security profile name** (安全性設定檔名稱) 下，輸入安全性設定檔的名稱。
+ (選用) 在 **Description** (描述) 下，您可以撰寫 ML 設定檔的簡短描述。
+ 在 **Selected metric behaviors in Security Profile** (安全性設定檔中選取的指標行為) 下，選擇您要監控的指標。
![\[建立 ML 安全性設定檔組態頁面，當中包含選取作為目標的所有已註冊物件、列出的指標行為 (例如，授權失敗和連線嘗試次數)，以及新增雲端或裝置端指標的選項。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-set-basic.png)
完成後，請選擇 **Next (下一步)**。
1. 在 **Set SNS (optional)** (設定 SNS (選用)) 頁面上，指定當裝置違反您設定檔中的行為時，警示通知的 SNS 主題。選擇您要用來發佈至所選 SNS 主題的 IAM 角色。
如果您尚未有 SNS 角色，請使用下列步驟來建立具備適當許可和必要信任關係的角色。
+ 導覽至 [IAM 主控台](https://console.aws.amazon.com/iam/)。在導覽窗格中，選擇 **Roles** (角色)，然後選擇 **Create role** (建立角色)。
+ 在 **Select type of trusted entity** (選取信任的實體類型) 下，選取 **AWS 服務**。然後，在 **Choose a use case** (選擇使用案例) 下，選擇 **IoT**，並在 **Select your use case** (選取您的使用案例) 下，選擇 **IoT - Device Defender Mitigation Actions** (IoT - Device Defender 緩解動作)。完成時，請選擇 **Next: Permissions** (下一步：許可)。
+ 在 **Attached permissions policies** (連接的許可政策) 下，確保已選取 **AWSIoTDeviceDefenderPublishFindingsToSNSMitigationAction**，然後選擇 **Next: Tags** (下一步：標籤)。
![\[AWS IoT Device Defender 角色的許可政策表，當中包含政策名稱、每一項政策所提供存取權的用途說明，以及篩選或搜尋政策的選項。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-sns-findings.png)
+ 在 **Add tags (optional)** (新增標籤 (選用)) 下，您可以新增想要與您角色建立關聯的任何標籤。完成後，請選擇 **Next: Review (下一步：檢閱)**。
+ 在 **Review** (檢閱) 下，給與您的角色一個名稱，並確保 **AWSIoTDeviceDefenderPublishFindingsToSNSMitigationAction** 已列示在 **Permissions** (許可) 下，而且 **** (AWS 服務：iot.amazonaws.com) 已列示在 **Trust relationships** (信任關係) 下。完成時，選擇 **Create role** (建立角色)。
![\[IAM 角色摘要頁面，當中顯示 Sample-SNS-role 詳細資訊，例如角色 ARN、說明、執行個體設定檔 ARN、路徑、建立時間、工作階段持續時間上限，以及對 SNS 緩解動作政策套用的 AWS IoT Device Defender 發佈問題清單\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-detect-permissions.png)
![\[IAM Sample-SNS-role 摘要，當中顯示角色 ARN、提供發佈 SNS 通知的 AWS IoT Device Defender 寫入存取權的角色說明、路徑、建立時間，以及受信任實體\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-detect-trust-relationships.png)
1. 在 **Edit Metric behavior** (編輯指標行為) 頁面上，您可以自訂 ML 行為設定。
![\[編輯指標行為區段，其中包含授權失敗、輸入位元組數和連線嘗試次數指標，可讓您設定警示觸發、通知和 ML Detect 可信度等級的資料點。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-update-config.png)
1. 完成後，請選擇 **Next (下一步)**。
1. 在 **Review configuration** (檢閱組態) 頁面上，驗證您想要機器學習監控的行為，然後選擇 **Next** (下一步)。
![\[編輯 ML 安全性設定檔頁面，當中顯示以所有已註冊物件為目標的 Smart_lights_ML_Detect_Security_Profile，包含授權失敗、輸出位元組數、連線嘗試次數和中斷連線次數的指標行為。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-review-config.png)
1. 在您建立了安全性設定檔之後，系統會將您重新導向至 **Security Profiles** (安全性設定檔) 頁面，其中會出現新建立的安全性設定檔。
**注意**
初始的 ML 模型訓練和建置需要 14 天才能完成。如果您的裝置上有任何異常活動，您可能會在完成之後看到警示。
### 監控您的 ML 模型狀態
當您的 ML 模型處於初始訓練期間時，您可以採取以下步驟隨時監控其進度。
1. 在 [AWS IoT 主控台](https://console.aws.amazon.com/iot)的導覽窗格中，展開 **Defend** (防禦)，然後選擇 **Detect** (偵測)、**Security profiles** (安全性描述檔)。
1. 在**Security Profiles** (安全性設定檔) 頁面上，選擇您要檢閱的安全性設定檔。然後，選擇 **Behaviors and ML training** (行為與 ML 訓練)。
1. 在 **Behaviors and ML training** (行為與 ML 訓練) 頁面上，檢查 ML 模型的訓練進度。
在您的模型狀態為 **Active** (作用中) 之後，它會根據您的使用情況開始做出偵測決策，並每天更新設定檔。
![\[此儀表板顯示低可信度的機器學習模型，用於監控 TCP/UDP 接聽程式連接埠和已建立的 TCP 連線。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-active-state.png)
**注意**
如果您的模型未如預期進展，請確定您的裝置符合 [最低需求](dd-detect-ml.md#dd-detect-ml-requirements)。
### 檢閱您的 ML Detect 警示
在建置您的 ML 模型並準備好進行資料推論之後，您可以定期檢視和調查模型識別的警示。
1. 在 [AWS IoT 主控台](https://console.aws.amazon.com/iot)的導覽窗格中，展開 **Defend** (防禦)，然後選擇 **Detect** (偵測)、**Alarms** (警示)。
![\[AWS IoT Device Defender 警示清單，當中顯示 5 個作用中授權失敗警示，包含物件名稱、安全性設定檔、行為類型、行為名稱、上次發出時間及驗證狀態欄。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-alarms.png)
1. 如果導覽至 **History** (歷史記錄) 標籤，您也可以檢視不再處於警示狀態之裝置的詳細資訊。
![\[此線形圖顯示兩週期間內的警示、已清除和已失效警示，y 軸表示警示數量，x 軸表示日期。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-history-alarm.png)
若要取得詳細資訊，請在 **Manage** (管理) 下選擇 **Things** (物件)、選擇您想要查看其更多詳細資訊的物件，然後導覽至 **Defender metrics** (Defender 指標)。您可以存取 **Defender metrics graph** (Defender 指標圖形)，並針對警示中來自 **Active** (作用中) 標籤的任何項目執行調查。在此情況下，此圖形會顯示訊息大小中的峰值，這會啟動警示。您可以看到後續清除的警示。
![\[IoT 物件儀表板會顯示所指定日期和時間的訊息大小最大指標圖，峰值為 801 個位元組。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-defender-metrics.png)
### 微調您的 ML 警示
在建置您的 ML 模型並準備好進行資料評估之後，您可以更新安全性設定檔的 ML 行為設定以變更組態。下列程序顯示如何在 AWS CLI 中更新您安全性設定檔的 ML 行為設定。
1. 在 [AWS IoT 主控台](https://console.aws.amazon.com/iot)的導覽窗格中，展開 **Defend** (防禦)，然後選擇 **Detect** (偵測)、**Security profiles** (安全性描述檔)。
1. 在**Security Profiles** (安全性設定檔) 頁面上，選取您要檢閱之安全性設定檔旁邊的核取方塊。然後，選擇 **Actions** (動作)、**Edit** (編輯)。
![\[AWS IoT Device Defender 安全性設定檔清單，當中顯示設定檔名稱、ML 閾值類型、保留的行為、目標物件、建立日期、通知狀態\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-fine-tune.png)
1. 在 **Set basic configurations** (設定基本組態) 下，您可以調整安全性設定檔目標物件群組，或變更您要監控的指標。
![\[建立 ML 安全性設定檔組態頁面，當中包含選取作為目標的所有已註冊物件、列出的指標行為 (例如，授權失敗和連線嘗試次數)，以及新增雲端或裝置端指標的選項\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-set-basic.png)
1. 您可以導覽至 **Edit metric behaviors** (編輯指標行為) 來更新下列任一項。
+ 啟動警示所需的 ML 模型資料點
+ 清除警示所需的 ML 模型資料點
+ 您的 ML Detect 可信度
+ 您的 ML Detect 通知 (例如**Not suppressed** (未抑制)、**Suppressed** (已抑制))
![\[編輯指標行為區段，當中包含設定 ML 安全性設定檔的授權失敗、輸出位元組數和連線嘗試次數指標的選項。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-update-config-2.png)
### 標記警示的驗證狀態
設定驗證狀態並提供該驗證狀態的描述，以標記您的警示。這可協助您和團隊識別您不需要回應的警示。
1. 在 [AWS IoT 主控台](https://console.aws.amazon.com/iot/)的導覽窗格中，展開 **Defend** (防禦)，然後選擇 **Detect** (偵測)、**Alarms** (警示)。選取警示以標記其驗證狀態。
![\[此 AWS IoT Device Defender 警示檢視會顯示 IoT 主控台物件的作用中授權失敗行為事件，例如 fdsa 安全性設定檔的 iotconsole-6f8379bc-c245-4ffe-8ef7-b2b52e78975c。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-alarm-select.png)
1. 選擇 **Mark verification state** (標記驗證狀態)。驗證狀態模式會開啟。
1. 選擇適當的驗證狀態、輸入驗證描述 (選填)，然後選擇 **Mark** (標記)。此動作會將驗證狀態和描述指派給所選警示。
![\[用於標示警示驗證狀態的對話方塊，選項包括：不明、真陽性、誤報、良性肯定。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-alarm-state-window.png)
### 緩解已識別的裝置問題
1. *(選用)* 在設定隔離緩解動作之前，讓我們先設定隔離群組，將違規裝置移至其中。您也可以使用現有群組
1. 導覽至 **Manage** (管理)、**Thing groups** (物件群組)，然後導覽至 **Create Thing Group** (建立物件群組)。命名您的物件群組 在本教學課程中，我們會將物件群組命名為 `Quarantine_group`。在 **Thing group** (物件群組)、**Security** (安全性) 下，將以下政策套用到物件群組。
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Deny",
"Action": "iot:*",
"Resource": "*"
}
]
}
```
------
![\[AWS IoT 控制台「建立物件群組」頁面，內含「建立物件群組」按鈕。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-create-thing-group.png)
完成時，選擇 **Create thing group** (建立物件群組)。
1. 既然已建立物件群組，就讓我們建立一個緩解動作，將警示中的裝置移至 `Quarantine_group`。
在 **Defend** (防禦)、**Mitigation actions** (緩解動作) 下，選擇 **Create** (建立)。
![\[AWS IoT Device Defender 緩解動作組態表單，當中包含動作名稱、動作類型、許可、動作執行角色及物件群組欄位。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-miti-create.png)
1. 在 **Create a new mitigation action** (建立新的緩解動作) 頁面上，輸入下列資訊。
+ **Action name** (動作名稱)：為您的緩解動作命名，例如 **Quarantine\$1action**。
+ **Action type** (動作類型)：選擇動作的類型。我們將選擇 **Add things to thing group (Audit or Detect mitigation)** (將物件新增至物件群組 (稽核或偵測緩解))。
+ **Action execution role** (動作執行角色)：建立角色或選擇現有角色 (如果您先前已建立角色的話)。
+ **Parameters** (參數)：選擇物件群組。我們可以使用 `Quarantine_group`，這是我們先前建立的。
![\[AWS IoT Device Defender 緩解動作組態表單，當中包含動作名稱、動作類型、許可、動作執行角色及物件群組欄位。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-miti-create-form.png)
完成後，選擇**儲存**。您現在具可將警示中裝置移至隔離物件群組的緩解動作，以及可在調查時隔離裝置的緩解動作。
1. 導覽至 **Defender**、**Detect** (偵測)、**Alarms** (警示)。您可以在 **Active** (作用中) 下查看哪些裝置處於警示狀態，。
![\[AWS IoT Device Defender 警示清單，當中顯示 5 個作用中授權失敗警示，包含物件名稱、安全性設定檔、行為類型、行為名稱、上次發出時間及驗證狀態欄。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-alarms.png)
選取您要移至隔離群組的裝置，然後選擇 **Start Mitigation Actions** (啟動緩解動作)。
1. 在 **Start mitigation actions** (啟動緩解動作)、**Start Actions** (啟動動作) 下，選取您稍早建立的緩解動作。例如，我們將選擇 **Quarantine\$1action**，然後選擇 **Start** (啟動)。隨即開啟 Action Tasks (動作任務) 頁面。
![\[緩解動作對話方塊，當中列出受影響的物件「udml7」，且包含用於確認不可復原動作的核取方塊，以及選擇要執行之動作的下拉式清單。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-start-action.png)
1. 現在，裝置在 **Quarantine\$1group** 中隔離，而且您可以調查引發警示的問題根本原因。完成調查後，您可以將裝置移出物件群組或採取進一步的動作。
![\[AWS IoT Device Defender 偵測動作任務表，當中顯示一項會將物件新增至 quarantine_group 物件群組的隔離動作。\]](http://docs.aws.amazon.com/zh_tw/iot-device-defender/latest/devguide/images/dd-ml-action-tasks.png)
## 如何搭配 CLI 使用 ML Detect
下列顯示如何使用 CLI 設定 ML Detect。
**Topics**
+ [
### 啟用 ML Detect
](#enable-ml-detect-cli)
+ [
### 監控您的 ML 模型狀態
](#monitor-ml-models-cli)
+ [
### 檢閱您的 ML Detect 警示
](#review-ml-alarms-cli)
+ [
### 微調您的 ML 警示
](#fine-tune-ml-models-cli)
+ [
### 標記警示的驗證狀態
](#mark-verification-state-cli)
+ [
### 緩解已識別的裝置問題
](#mitigate-issues-cli)
### 啟用 ML Detect
下列程序顯示如何在 AWS CLI 啟用 ML Detect。
1. 確保您的裝置將建立 [ML Detect 最低需求](dd-detect-ml.md#dd-detect-ml-requirements)中定義的最小必要資料點，以持續訓練和重新整理模型。如需進行資料收集，請確定您的物件位於已連接到安全性設定檔的物件群組中。
1. 使用 `[create-security-profile](https://docs.aws.amazon.com/cli/latest/reference/iot/create-security-profile.html)` 命令建立 ML Detect 安全性設定檔。下列範例會建立名為 *security-profile-for-smart-lights* 的安全性設定檔，檢查傳送的訊息數目、授權失敗次數、連線嘗試次數，以及中斷連線次數。此範例會使用 `mlDetectionConfig`，以確定指標將使用 ML Detect 模型。
```
aws iot create-security-profile \
--security-profile-name security-profile-for-smart-lights \
--behaviors \
'[{
"name": "num-messages-sent-ml-behavior",
"metric": "aws:num-messages-sent",
"criteria": {
"consecutiveDatapointsToAlarm": 1,
"consecutiveDatapointsToClear": 1,
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
},
"suppressAlerts": true
},
{
"name": "num-authorization-failures-ml-behavior",
"metric": "aws:num-authorization-failures",
"criteria": {
"consecutiveDatapointsToAlarm": 1,
"consecutiveDatapointsToClear": 1,
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
},
"suppressAlerts": true
},
{
"name": "num-connection-attempts-ml-behavior",
"metric": "aws:num-connection-attempts",
"criteria": {
"consecutiveDatapointsToAlarm": 1,
"consecutiveDatapointsToClear": 1,
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
},
"suppressAlerts": true
},
{
"name": "num-disconnects-ml-behavior",
"metric": "aws:num-disconnects",
"criteria": {
"consecutiveDatapointsToAlarm": 1,
"consecutiveDatapointsToClear": 1,
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
},
"suppressAlerts": true
}]'
```
輸出：
```
{
"securityProfileName": "security-profile-for-smart-lights",
"securityProfileArn": "arn:aws:iot:eu-west-1:123456789012:securityprofile/security-profile-for-smart-lights"
}
```
1. 接下來，將您的安全性設定檔與一或多個物件群組建立關聯。使用 `[attach-security-profile](https://docs.aws.amazon.com/cli/latest/reference/iot/attach-security-profile.html)` 命令，將物件群組連接至您的安全性設定檔。下列範例會將名為 *ML\$1Detect\$1beta\$1static\$1group* 的物件群組與 *security-profile-for-smart-lights* 安全性設定檔建立關聯。
```
aws iot attach-security-profile \
--security-profile-name security-profile-for-smart-lights \
--security-profile-target-arn arn:aws:iot:eu-west-1:123456789012:thinggroup/ML_Detect_beta_static_group
```
輸出：
無。
1. 在您建立了完整的安全性設定檔之後，ML 模型就會開始訓練。初始的 ML 模型訓練和建置需要 14 天才能完成。14 天後，如果您的裝置上有任何異常活動，您可以預期看到警示。
### 監控您的 ML 模型狀態
下列程序顯示如何在進行中的訓練監控您的 ML 模型。
+ 使用 `[get-behavior-model-training-summaries](https://docs.aws.amazon.com/cli/latest/reference/iot/get-behavior-model-training-summaries.html)` 命令來檢視 ML 模型的進度。下列範例會取得 *security-profile-for-smart-lights* 安全性設定檔的 ML 模型訓練進度摘要。`modelStatus` 會顯示模型是否已完成訓練，或是由於特定行為仍在擱置建置。
```
aws iot get-behavior-model-training-summaries \
--security-profile-name security-profile-for-smart-lights
```
輸出：
```
{
"summaries": [
{
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "Messages_sent_ML_behavior",
"trainingDataCollectionStartDate": "2020-11-30T14:00:00-08:00",
"modelStatus": "ACTIVE",
"datapointsCollectionPercentage": 29.408,
"lastModelRefreshDate": "2020-12-07T14:35:19.237000-08:00"
},
{
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "Messages_received_ML_behavior",
"modelStatus": "PENDING_BUILD",
"datapointsCollectionPercentage": 0.0
},
{
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "Authorization_failures_ML_behavior",
"trainingDataCollectionStartDate": "2020-11-30T14:00:00-08:00",
"modelStatus": "ACTIVE",
"datapointsCollectionPercentage": 35.464,
"lastModelRefreshDate": "2020-12-07T14:29:44.396000-08:00"
},
{
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "Message_size_ML_behavior",
"trainingDataCollectionStartDate": "2020-11-30T14:00:00-08:00",
"modelStatus": "ACTIVE",
"datapointsCollectionPercentage": 29.332,
"lastModelRefreshDate": "2020-12-07T14:30:44.113000-08:00"
},
{
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "Connection_attempts_ML_behavior",
"trainingDataCollectionStartDate": "2020-11-30T14:00:00-08:00",
"modelStatus": "ACTIVE",
"datapointsCollectionPercentage": 32.891999999999996,
"lastModelRefreshDate": "2020-12-07T14:29:43.121000-08:00"
},
{
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "Disconnects_ML_behavior",
"trainingDataCollectionStartDate": "2020-11-30T14:00:00-08:00",
"modelStatus": "ACTIVE",
"datapointsCollectionPercentage": 35.46,
"lastModelRefreshDate": "2020-12-07T14:29:55.556000-08:00"
}
]
}
```
**注意**
如果您的模型未如預期進展，請確定您的裝置符合 [最低需求](dd-detect-ml.md#dd-detect-ml-requirements)。
### 檢閱您的 ML Detect 警示
在建置您的 ML 模型並準備好進行資料評估之後，您可以定期檢視模型所推論的任何警示。下列程序顯示如何在 AWS CLI 中檢視您的警示。
+ 若要查看所有作用中的警示，請使用 `[list-active-violations](https://docs.aws.amazon.com/cli/latest/reference/iot/list-active-violations.html)` 命令。
```
aws iot list-active-violations \
--max-results 2
```
輸出：
```
{
"activeViolations": []
}
```
或者，您可以檢視在指定時段使用 `[list-violation-events](https://docs.aws.amazon.com/cli/latest/reference/iot/list-violation-events.html)` 命令探索到的所有違規。下列範例列出從 2020 年 9 月 22 日 5:42:13 GMT 到 2020 年 10 月 26 日 2020 5:42:13 GMT 的違規事件。
```
aws iot list-violation-events \
--start-time 1599500533 \
--end-time 1600796533 \
--max-results 2
```
輸出：
```
{
"violationEvents": [
{
"violationId": "1448be98c09c3d4ab7cb9b6f3ece65d6",
"thingName": "lightbulb-1",
"securityProfileName": "security-profile-for-smart-lights",
"behavior": {
"name": "LowConfidence_MladBehavior_MessagesSent",
"metric": "aws:num-messages-sent",
"criteria": {
"consecutiveDatapointsToAlarm": 1,
"consecutiveDatapointsToClear": 1,
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
},
"suppressAlerts": true
},
"violationEventType": "alarm-invalidated",
"violationEventTime": 1600780245.29
},
{
"violationId": "df4537569ef23efb1c029a433ae84b52",
"thingName": "lightbulb-2",
"securityProfileName": "security-profile-for-smart-lights",
"behavior": {
"name": "LowConfidence_MladBehavior_MessagesSent",
"metric": "aws:num-messages-sent",
"criteria": {
"consecutiveDatapointsToAlarm": 1,
"consecutiveDatapointsToClear": 1,
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
},
"suppressAlerts": true
},
"violationEventType": "alarm-invalidated",
"violationEventTime": 1600780245.281
}
],
"nextToken": "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"
}
```
### 微調您的 ML 警示
一旦建置了您的 ML 模型並準備好進行資料評估，您就可以更新安全性設定檔的 ML 行為設定以變更組態。下列程序顯示如何在 AWS CLI 中更新您安全性設定檔的 ML 行為設定。
+ 若要變更安全性設定檔的 ML 行為設定，請使用 `[update-security-profile](https://docs.aws.amazon.com/cli/latest/reference/iot/update-security-profile.html)` 命令。下列範例會更新 *security-profile-for-smart-lights* 安全性設定檔的行為，方法為變更一些行為的 `confidenceLevel`，並取消抑制所有行為的通知。
```
aws iot update-security-profile \
--security-profile-name security-profile-for-smart-lights \
--behaviors \
'[{
"name": "num-messages-sent-ml-behavior",
"metric": "aws:num-messages-sent",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel" : "HIGH"
}
},
"suppressAlerts": false
},
{
"name": "num-authorization-failures-ml-behavior",
"metric": "aws:num-authorization-failures",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel" : "HIGH"
}
},
"suppressAlerts": false
},
{
"name": "num-connection-attempts-ml-behavior",
"metric": "aws:num-connection-attempts",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel" : "HIGH"
}
},
"suppressAlerts": false
},
{
"name": "num-disconnects-ml-behavior",
"metric": "aws:num-disconnects",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel" : "LOW"
}
},
"suppressAlerts": false
}]'
```
輸出：
```
{
"securityProfileName": "security-profile-for-smart-lights",
"securityProfileArn": "arn:aws:iot:eu-west-1:123456789012:securityprofile/security-profile-for-smart-lights",
"behaviors": [
{
"name": "num-messages-sent-ml-behavior",
"metric": "aws:num-messages-sent",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
}
},
{
"name": "num-authorization-failures-ml-behavior",
"metric": "aws:num-authorization-failures",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
}
},
{
"name": "num-connection-attempts-ml-behavior",
"metric": "aws:num-connection-attempts",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel": "HIGH"
}
},
"suppressAlerts": false
},
{
"name": "num-disconnects-ml-behavior",
"metric": "aws:num-disconnects",
"criteria": {
"mlDetectionConfig": {
"confidenceLevel": "LOW"
}
},
"suppressAlerts": true
}
],
"version": 2,
"creationDate": 1600799559.249,
"lastModifiedDate": 1600800516.856
}
```
### 標記警示的驗證狀態
您可以使用驗證狀態標記警示，以協助分類警示並調查異常情況。
+ 以驗證狀態和該狀態的描述標記警示。例如，若要將警示的驗證狀態設定為誤判，請使用下列命令：
```
aws iot put-verification-state-on-violation --violation-id 12345 --verification-state FALSE_POSITIVE --verification-state-description "This is dummy description" --endpoint https://us-east-1.iot.amazonaws.com --region us-east-1
```
輸出：
無。
### 緩解已識別的裝置問題
1. 使用 `[create-thing-group](https://docs.aws.amazon.com/cli/latest/reference/iot/create-thing-group.html)` 命令，針對緩解動作建立物件群組。在下列範例中，我們會建立名為 **ThingGroupForDetectMitigationAction** 的物件群組。
```
aws iot create-thing-group —thing-group-name ThingGroupForDetectMitigationAction
```
輸出：
```
{
"thingGroupName": "ThingGroupForDetectMitigationAction",
"thingGroupArn": "arn:aws:iot:us-east-1:123456789012:thinggroup/ThingGroupForDetectMitigationAction",
"thingGroupId": "4139cd61-10fa-4c40-b867-0fc6209dca4d"
}
```
1. 接下來，使用 `[create-mitigation-action](https://docs.aws.amazon.com/cli/latest/reference/iot/create-mitigation-action.html)` 命令來建立緩解動作。在下列範例中，我們會建立稱為 **detect\$1mitigation\$1action** 的緩解動作，搭配用來套用緩解動作之 IAM 角色的 ARN。我們也會定義動作的類型和該動作的參數。在此情況下，我們的緩解會將物件移到我們先前建立的物件群組，稱為 **ThingGroupForDetectMitigationAction**。
```
aws iot create-mitigation-action --action-name detect_mitigation_action \
--role-arn arn:aws:iam::123456789012:role/MitigationActionValidRole \
--action-params \
'{
"addThingsToThingGroupParams": {
"thingGroupNames": ["ThingGroupForDetectMitigationAction"],
"overrideDynamicGroups": false
}
}'
```
輸出：
```
{
"actionArn": "arn:aws:iot:us-east-1:123456789012:mitigationaction/detect_mitigation_action",
"actionId": "5939e3a0-bf4c-44bb-a547-1ab59ffe67c3"
}
```
1. 使用 `[start-detect-mitigation-actions-task](https://docs.aws.amazon.com/cli/latest/reference/iot/start-detect-mitigation-actions-task.html)` 命令來啟動緩解動作任務。`task-id`、`target` 和 `actions` 是必要的參數。
```
aws iot start-detect-mitigation-actions-task \
--task-id taskIdForMitigationAction \
--target '{ "violationIds" : [ "violationId-1", "violationId-2" ] }' \
--actions "detect_mitigation_action" \
--include-only-active-violations \
--include-suppressed-alerts
```
輸出：
```
{
"taskId": "taskIdForMitigationAction"
}
```
1. (選用) 若要檢視任務中包含的緩解動作執行，請使用 `[list-detect-mitigation-actions-executions](https://docs.aws.amazon.com/cli/latest/reference/iot/list-detect-mitigation-actions-executions.html)` 命令。
```
aws iot list-detect-mitigation-actions-executions \
--task-id taskIdForMitigationAction \
--max-items 5 \
--page-size 4
```
輸出：
```
{
"actionsExecutions": [
{
"taskId": "e56ee95e - f4e7 - 459 c - b60a - 2701784290 af",
"violationId": "214_fe0d92d21ee8112a6cf1724049d80",
"actionName": "underTest_MAThingGroup71232127",
"thingName": "cancelDetectMitigationActionsTaskd143821b",
"executionStartDate": "Thu Jan 07 18: 35: 21 UTC 2021",
"executionEndDate": "Thu Jan 07 18: 35: 21 UTC 2021",
"status": "SUCCESSFUL",
}
]
}
```
1. (選用) 使用 `[describe-detect-mitigation-actions-task](https://docs.aws.amazon.com/cli/latest/reference/iot/describe-detect-mitigation-actions-task.html)` 命令來取得緩解動作任務的相關資訊。
```
aws iot describe-detect-mitigation-actions-task \
--task-id taskIdForMitigationAction
```
輸出：
```
{
"taskSummary": {
"taskId": "taskIdForMitigationAction",
"taskStatus": "SUCCESSFUL",
"taskStartTime": 1609988361.224,
"taskEndTime": 1609988362.281,
"target": {
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "num-messages-sent-ml-behavior"
},
"violationEventOccurrenceRange": {
"startTime": 1609986633.0,
"endTime": 1609987833.0
},
"onlyActiveViolationsIncluded": true,
"suppressedAlertsIncluded": true,
"actionsDefinition": [
{
"name": "detect_mitigation_action",
"id": "5939e3a0-bf4c-44bb-a547-1ab59ffe67c3",
"roleArn": "arn:aws:iam::123456789012:role/MitigatioActionValidRole",
"actionParams": {
"addThingsToThingGroupParams": {
"thingGroupNames": [
"ThingGroupForDetectMitigationAction"
],
"overrideDynamicGroups": false
}
}
}
],
"taskStatistics": {
"actionsExecuted": 0,
"actionsSkipped": 0,
"actionsFailed": 0
}
}
}
```
1. (選用) 若要取得緩解動作任務的清單，請使用 `[list-detect-mitigation-actions-tasks](https://docs.aws.amazon.com/cli/latest/reference/iot/list-detect-mitigation-actions-tasks.html)` 命令。
```
aws iot list-detect-mitigation-actions-tasks \
--start-time 1609985315 \
--end-time 1609988915 \
--max-items 5 \
--page-size 4
```
輸出：
```
{
"tasks": [
{
"taskId": "taskIdForMitigationAction",
"taskStatus": "SUCCESSFUL",
"taskStartTime": 1609988361.224,
"taskEndTime": 1609988362.281,
"target": {
"securityProfileName": "security-profile-for-smart-lights",
"behaviorName": "num-messages-sent-ml-behavior"
},
"violationEventOccurrenceRange": {
"startTime": 1609986633.0,
"endTime": 1609987833.0
},
"onlyActiveViolationsIncluded": true,
"suppressedAlertsIncluded": true,
"actionsDefinition": [
{
"name": "detect_mitigation_action",
"id": "5939e3a0-bf4c-44bb-a547-1ab59ffe67c3",
"roleArn": "arn:aws:iam::123456789012:role/MitigatioActionValidRole",
"actionParams": {
"addThingsToThingGroupParams": {
"thingGroupNames": [
"ThingGroupForDetectMitigationAction"
],
"overrideDynamicGroups": false
}
}
}
],
"taskStatistics": {
"actionsExecuted": 0,
"actionsSkipped": 0,
"actionsFailed": 0
}
}
]
}
```
1. (選用) 若要取消緩解動作任務，請使用 `[cancel-detect-mitigation-actions-task](https://docs.aws.amazon.com/cli/latest/reference/iot/cancel-detect-mitigation-actions-task.html)` 命令。
```
aws iot cancel-detect-mitigation-actions-task \
--task-id taskIdForMitigationAction
```
輸出：
無。