抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
分散サービスのモニタリングと維持に非常に重要な検出実行時異常。人々はしばしばトラブルシューティングと問題診断用手的実行ログであり,時間を消費し,誤りがちなを用いた。本論文では,ログに基づいた自動異常検出のためのアプローチを提案した。第一法線実行流間および内サービスを捕捉するハイブリッドグラフモデルを,ハイブリッドモデルからの偏差の観察に異常警報を提起している。IBMパブリッククラウド生産プラットフォームと実験室環境における二種類の模擬系からの活用ログによって,提案手法の有効性を評価した。評価結果は筆者らのハイブリッドグラフモデルマイニングは,80%の精度と70%の想起で行い,異常検出は平均して約90%精度と80%の回収率を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】