自己回帰モデルの構造変化検定を用いたWebシステムの異常検知方式

大野宇宙; 鮫島正樹; 秋吉政徳; 薦田憲久; 吉野松樹

文献

J-GLOBAL ID：201202292695680161 整理番号：12A0850162

自己回帰モデルの構造変化検定を用いたWebシステムの異常検知方式

An Anomaly Detection Method on Web-based System by Certification of Structural Change on Autoregressive Model

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=12A0850162&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=12A0850162&from=J-GLOBAL&jstjournalNo=L4571A") }}

著者 (5件)： , , , ,
資料名：
巻： IS-12 号： 1-21 ページ： 1-5 発行年： 2012年05月17日
JST資料番号： L4571A 資料種別：会議録 (C)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

複数の業務がユーザのリクエストに応じて処理されるWebシステムでは,リソース使用量の実測値が測定値と比較して乖離している状態を異常として検出する必要がある。本論文では,自己回帰モデルを用いた異常検知手法における瞬間的な乖離に対する誤検出を防ぐために,乖離が検出以降も継続しているかを判定する手法を提案した。乖離が継続しているとそれらの差分は上昇傾向を示し,乖離が検出される以前と比べて頻度や大きさが増加するので,本手法では乖離検出時刻以降のN個分の差分から自己回帰モデルを構築し,その自己回帰係数を正常時と比較する。また,乖離を検出した前後それぞれN個の差分を対象に構造変化検定を実施し,データ全体での自己回帰モデルの残差と検出時刻以前及び以降N個のデータでの自己回帰モデルの残差の和に有意差があれば乖離傾向が変化したと判定する。前述した2種類の判定で有意差が確認されると検出時刻以降も乖離が継続していると判定し,異常として検出する。Webサーバ上の10種類の業務を処理するアプリケーションに対してポアソン分布に従うアクセス数を発生させてリソース使用量を観測する実験を行い,従来手法の1時間あたりの誤検出数が297個であったのに対し,本手法ではN=20のとき0.0036個と自動化可能な程度まで削減できた。

, , , , , , , , ,
,

その他の情報処理 , システム・制御理論一般 , 数値計算

引用文献 (6件)：

(1) V. Barnett, and T. Lewis, "Outliers in statistical data," Wiley Series in Probability and Mathematical Statis- tics. Applied Probability and Statistics, 2nd ed., vol.1, 1984.
(2) V. Guralnik, and J. Srivastava, "Event detection from time series data," Proceedings of the 5th ACM SIGKDD international conference on Klowledge dis- covery and data mining, pp.33-42, 1999.
(3) R. Itsuki, H. Yajima, H. Mizuno, and H. Kinukawa, "Application and verification of using statistical analy- sis tool and expert system together in multiple regres- sion analysis," Proceedings of 1996 IEEE International Conference on Emerging Technologies and Factory Au- tomation (ETFA '96), vol.2, pp.629-635, 1996.
(4) R. Neal, and G. Hinton, "A view of the em algorithm that justifies incremental, sparse, and other variants," NATO Asi Series. Series D, Behavioural and Social Sci- ences, vol.89, pp.355-370. 1998.
(5) 山西健司,竹内純一,丸山祐子,"5.統計的異常検出3 手法(特集最新!データマイニング手法),"情報処理, vol.46, no.1, pp.34-40. 2005.

, , ,

前のページに戻る