{"id":1091,"date":"2019-05-27T15:13:39","date_gmt":"2019-05-27T15:13:39","guid":{"rendered":"http:\/\/blogs.encamina.com\/piensa-en-software-desarrolla-en-colores\/?p=1091"},"modified":"2019-05-27T15:14:10","modified_gmt":"2019-05-27T15:14:10","slug":"conociendo-el-nuevo-servicio-anomaly-detector","status":"publish","type":"post","link":"https:\/\/blogs.encamina.com\/piensa-en-software-desarrolla-en-colores\/conociendo-el-nuevo-servicio-anomaly-detector\/","title":{"rendered":"Conociendo el nuevo servicio\u00a0Anomaly\u00a0Detector\u00a0"},"content":{"rendered":"

\"\"<\/p>\n

Anomaly\u00a0Detector es un nuevo Servicio Cognitivo de Microsoft <\/strong>(en versi\u00f3n preliminar)\u00a0que detecta patrones\u00a0inusuales o \u201craros\u201d en los datos que le proporcionamos \u00bfInteresante no?\u00a0<\/span> \u00a1Vamos a aplicarlo a nuestra DB\u00a0para detectar tramposos! \ud83d\ude1b\u00a0<\/span><\/p>\n

<\/p>\n

\u00bfD\u00f3nde podemos utilizarlo?<\/span><\/h2>\n

La principal funcionalidad de <\/span>Anomaly<\/span> Detector (como su nombre\u00a0 indica), es detectar anomal\u00edas en una serie de datos que le proporcionemos, <\/span>por ejemplo, el caso que trataremos en este art\u00edculo: puede usarse para detectar fraudes en cobros de tarjetas;\u00a0 <\/strong>en la ciberseguridad, detectando patrones extra\u00f1os de inicio de sesi\u00f3n; monitorizando datos de <\/span>IoT;<\/span> incluso en la bolsa… los l\u00edmites como siempre, los pone tu imaginaci\u00f3n.<\/span>\u00a0<\/span><\/p>\n

Los Servicios cognitivos de Microsoft est\u00e1n enfocados a exponer de manera sencilla mediante una API, complicados mecanismos de Inteligencia Artificial que, de otra forma,nos costar\u00edan tiempo, esfuerzo y dinero implementarlos.<\/span>\u00a0<\/span><\/p>\n

En este art\u00edculo vamos a crear una web\u00a0<\/strong><\/span>.Net Core\u00a0que\u00a0est\u00e9 conectada a una base de datos<\/strong>, en ella tendremos un peque\u00f1o\u00a0<\/span>dashboard<\/span>\u00a0donde visualizaremos las \u201ctransferencias\u201d que ha realizado nuestra empresa<\/span> y detectaremos <\/span>si en nuestros\u00a0<\/span>datos hay alguna cosa <\/span>extra\u00f1a o anormal<\/span>. Recordad que hoy (por si alguien lee esto en el futuro) esta nueva herramienta est\u00e1 en versi\u00f3n preliminar y puede sufrir bastantes cambios \ud83d\ude42<\/span>\u00a0<\/span><\/p>\n

Como siempre me gusta hacer en mis art\u00edculo<\/span>s<\/span>, aqu\u00ed ten\u00e9is el <\/span>link<\/span>\u00a0del proyecto en\u00a0<\/span>github<\/span>\u00a0->\u00a0<\/span>https:\/\/github.com\/Javierif\/AnomalyDetector<\/span><\/a>\u00a0<\/span>para que pod\u00e1is descargarlo y seguir el art\u00edculo de una forma mucho m\u00e1s sencilla.\u00a0<\/span>\u00a0<\/span><\/p>\n

\u00a1Manos a la obra!<\/h2>\n

Empezaremos por crear en <\/span>Az<\/span>ure\u00a0<\/span>todas las herramientas<\/span>\u00a0de un tir\u00f3n que necesitamos. Para este art\u00edculo vamos a necesitar lo siguiente:<\/span>\u00a0<\/span><\/p>\n

    \n
  1. Nuestro\u00a0<\/span>Azure Storage\u00a0account<\/strong>, donde tendremos nuestra tabla con los datos de transacciones que ha realizado \u201cnuestr<\/span>a empresa<\/span>\u201d.<\/span>\u00a0<\/span><\/li>\n<\/ol>\n
      \n
    1. Anomaly\u00a0Detector\u00a0Cognitive\u00a0Service<\/strong>\u00a0<\/strong>que nos proporcionar\u00e1 un\u00a0<\/span>endpoint<\/span>\u00a0y una API Key a la que llamaremos para que nos analice nuestros datos.<\/span>\u00a0<\/span><\/li>\n<\/ol>\n
        \n
      1. Webapp\u00a0donde subiremos nuestro c\u00f3digo .net\u00a0core<\/strong>\u00a0para mostrar en\u00a0<\/span>las transferencias y si hay alg\u00fan\u00a0<\/span>dato\u00a0<\/span>an\u00f3malo<\/span>\u00a0<\/span><\/li>\n<\/ol>\n

        Comencemos creando nuestra\u00a0<\/span>Azure Storage\u00a0<\/span>account<\/span> desde el portal de Azure<\/span><\/h2>\n

        Cargamos unos datos preparados en un\u00a0<\/span>fichero .<\/span>json<\/span> simulando unas transacciones de transferencia bancarias y entre ellas, algunas que son fraudulentas, para ver si nuestro <\/span>Anomaly<\/span> Detector, las detecta. <\/span><\/p>\n

        Para ello utilizaremos Azure Storage Explorer parar crear la tabla y cargar los datos<\/span>\u00a0<\/span>(Puedes bajarte el programa aqu\u00ed<\/span>\u00a0<\/span>https:\/\/azure.microsoft.com\/es-es\/features\/storage-explorer\/<\/span><\/a>)<\/span>\u00a0y el .<\/span>csv<\/span>\u00a0que vamos a usar para este art\u00edculo puedes encontrarlo en el repositorio en\u00a0<\/span>datos-ejemplo\/transferencias.csv<\/span>\u00a0<\/span><\/p>\n

        \u00a0<\/span> \"\"<\/span><\/p>\n

        Para el segundo paso, la creaci\u00f3n de un servicio cognitivo es siempre muy sencilla. Buscamos el servicio en el Portal de Azure, en este caso <\/span>Anomaly<\/span> Detector, le damos a crear y listo<\/span>.<\/span>\u00a0Una vez que ya est\u00e9 creado el servicio, lo que nos interesar\u00e1 es la API Key que lo usaremos para realizar las llamadas:<\/span>\u00a0<\/span><\/p>\n

        \u00a0<\/span> \"\"<\/span><\/p>\n

        Vale<\/span>, vamos a por el \u00faltimo paso y el m\u00e1s complicado.<\/span>\u00a0<\/span>V<\/span>amos a empezar a trabajar en crear nuestro sistema de detector de tramposos.\u00a0 Comenzaremos por crear nuestras dos clases importantes:<\/span>\u00a0<\/span><\/p>\n

        (Como no quiero enrollarme con la explicaci\u00f3n de c\u00f3<\/span>mo<\/span>\u00a0realizar una llamada HTTP o una clase para acceder a una tabla, ya que hay cientos de art\u00edculos sobre esto, prefiero dejaros la\u00a0<\/span>url<\/span>\u00a0del c\u00f3digo y que\u00a0<\/span>us\u00e9is<\/span>\u00a0el antiguo y confiable copiar\/pegar)<\/span>\u00a0<\/span><\/p>\n