文献

J-GLOBAL ID：201802222377592543   整理番号：18A2023353

畳込みニューラルネットワークを用いたビッグデータシステムログにおける異常検出【JST・京大機械翻訳】

Detecting Anomaly in Big Data System Logs Using Convolutional Neural Network

著者 (4件)： Lu Siyang ,  Wei Xiang ,  Li Yandong ,  Wang Liqiang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 151-158  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日,大規模なデータシステムは,製造,健康管理,教育,およびメディアのような効果的なデータソリューションを提供するための多くのドメインによって広く採用されている。大規模データシステムは,埋め込まれた価値ある情報を含む非構造化ログのトンを生成する。しかしながら,それは,情報を人手で発掘し,システム異常を検出するための注意課題である。切断端機械学習技術が最も有望な方法の一つであるいくつかの自動法を開発した。本論文において,著者らは,進化的ニューラルネットワーク(CNN)による大規模データシステムログからの異常検出のための新しいアプローチを提案した。他の既存の統計的方法または伝統的なルールベース機械学習手法と異なり,著者らのCNNベースのモデルは,システムログにおけるイベント関係を自動的に学習することができて,高精度で異常を検出することができた。著者らの深いニューラルネットワークは,ログキー2vec埋め込み,3つの1D畳込み層,ドロップアウト層,および最大プールから成る。著者らの実験によると,著者らのCNNベースのアプローチは,Hadoop分散ファイルシステム(HDFS)ログにおける異常を検出するために,Long Short用語メモリ(LSTM)と多層パーセプトロン(MLP)を用いる他のアプローチと比較して,より良い精度(99%に達する)を持っている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ルールベース ,  統計的方法 ,  健康管理 ,  構造形成 ,  記憶装置 ,  *畳込み ,  多層パーセプトロン ,  機械学習 ,  *ニューラルネットワーク
準シソーラス用語： 高精度 ,  機械学習技術 ,  大規模データ ,  *異常検出 ,  *ビッグデータ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 畳込みニューラルネットワーク ,  異常検出