Dopo la raccolta, la pulizia e l'organizzazione dei dati, è possibile procedere all'analisi. Esistono vari metodi di analisi a seconda dei processi, dell'uso previsto dei dati e delle dimensioni dei set di dati. Tra le opzioni vi sono:
- Classificazione: filtrare e regolare i dati può essere più semplice quando sono etichettati con tag di parole chiave che consentono di organizzarli in categorie diverse.
- Riconoscimento degli schemi: la rilevazione degli schemi mediante filtraggio dei messaggi può agevolare il riconoscimento degli schemi di dati e contribuire a rilevare le anomalie.
- Ignoranza artificiale: i dati possono essere più difficili da analizzare con i messaggi di registro di routine che aumentano la densità. L'ignoranza artificiale è un sistema di apprendimento automatico che ignora più aggiornamenti di routine, a meno che non vengano eseguiti.
- Analisi di correlazione: raccogliere informazioni da server, sistemi operativi e dispositivi di rete può risultare inefficace in assenza di un metodo per confrontare i dati in caso di un singolo evento a livello di sistema. L'analisi di correlazione analizza i messaggi provenienti da tutti i componenti correlati a un evento.
Il concetto è noto anche come rilevazione multidimensionale delle anomalie.