თქვენი ორგანიზაცია აგროვებს და წარმოქმნის დიდ რაოდენობის მონაცემებს სხვადასხვა წყაროებიდან. სანამ ამ მონაცემების ანალიზი მოხდება, მათ შესაბამისობის ეფექტური ძიებისა და მანქანური ანალიზისთვის ნორმალიზაცია და გამდიდრება საჭიროა. მონაცემების ანალიზისთვის მათი უვარი პრეპარაცია უცილობლად შეიცავს “სიბრმავის ზონებს”, შექმნად პსევდო ტრიგერები, გამოტოვებული მნიშვნელოვანი მოქმედებები, ან უარეს, შექმნად არასწორად ტრიგერები, harmless ხასიათიანობის ხდება თუ იცნა ფორმებით, რომლებიც არასრულყოფილად ჩაწერში გამოხატავს როგორც საფრთხე.
მონაცემების გადამუშავება იწყება მონაცემთა მეტამედაუს მინდვრებზე პროგრამირებით, რომელიც სპეციალურად სტრუქტურულებულია უსაფრთხოების ანალიტიკისთვის. გადამუშავებული მონაცემების საერთო სქემისთვის განმტკიცება მთავარი შესასვლელი პრობლემაა UEBA-ისთვის. ყურადღების ყოველ დეტალს აღმოაჩენს სარგებლობების მნიშვნელოვან სხვაობას განსხვავებულ გადაწყვეტილებებში. მაგალითად, თუ ადმინისტრატორი შეცვლის ნებართვას სხვა მომხმარებლისთვის, სქემა უნდა იქნებოდა პრაქტიკულად განსაცდელი განსხვავება ადმინისტრატორშორისა და მომხმარებელია, რომელთა ფორმაზე მოქმედება განხორციელდა. მონაცემების ნორმალიზაცია მონაცემების დამუშავებულთა სახეების შემადგენლობას აზუსტებს, რაც გაუმჯობესების მიზნით სამანამდეაც პროცესი უნდა შესაბამისისაგან მდგომარეობებიდან გამოსვლისთვის შეადგენს ცნობად გადახრებისგან.
მონაცემების გამდიდრება მოიცავს პროცესს, ლოგზე მიღებული მეტამონაცემების დამატებაზე დამატებითი კონტექსტური მონაცემების გაუმჯობესების ანალიზისთვის. ქვემოთ მოცემულია ზოგიერთი მაგალითი გამონაცვლებისას დააბრძანდუნებამს
- გეოლოკაციის გამოყენება IP- მისამართის წინასწარგდიდტ კრედიტიც მდგომარეობის გადატანში
- ლოგ კოდების გაშიფრული ინფორმაციული და დიაგნოსტიკური მიწოდების (მაგ. Windows Event ID 4624 = ანგარიგის წარმატებული ლოგინი).
