文献

J-GLOBAL ID：202102251187035173   整理番号：21A0149837

クラウドにおける空間的および時間的特徴の融合による深い教師なし負荷シーケンス異常検出【JST・京大機械翻訳】

Deep Unsupervised Workload Sequence Anomaly Detection with Fusion of Spatial and Temporal Features in the Cloud

著者 (5件)： Wang Mengqing (School of Computer and Information Engineering, Henan Normal University,Xinxiang,China,453007) ,  Zhang Zhihua (School of Computer and Information Engineering, Henan Normal University,Xinxiang,China,453007) ,  Liu Jialei (School of Software Engineering, Anyang Normal University,Anyang Henan,China,455000) ,  Duan Li (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University) ,  Liu Chunhong (Engineering Lab of Intelligence Business & Internet of Things,Xinxiang Henan,China,453007)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CLOUD  ページ： 141-148  発行年： 2020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： 作業負荷シーケンスの異常な検出は,運用効率を改良するためにクラウドプラットフォームの知的操作と管理を達成するために設計した。大規模クラウドにおける作業負荷シーケンス変動パターンの多様性のために,効果的に特徴を抽出するための従来の異常検出法が困難であり,不正確に異常を検出する。本論文では,作業負荷シーケンス(TS-DeepSVDD)の空間的および時間的特徴の融合による深い教師なし異常シーケンス検出モデルを提案した。作業負荷シーケンスの空間的および時間的特徴を抽出するために,モデルは,深いサポートベクトルデータ記述(DeepSVDD)によってネットワークアーキテクチャを改良するために,畳込み再帰ニューラルネットワーク(CRNN)を導入した。最初に,畳込みニューラルネットワーク(CNN)モジュールは,作業負荷シーケンスの空間特徴を抽出する。第二に,獲得した空間特徴ベクトルのために,双方向長短期メモリ(BiLSTM)モジュールは,時間的特徴を抽出する。最後に,特徴ベクトル訓練サポートベクトルデータ記述(SVDD)分類器は,作業負荷シーケンス空間と時間的特徴の深い特徴と融合する。TS-DeepSVDDは,空間および時間次元から作業負荷シーケンスの深い特徴を抽出する。それは,作業負荷シーケンスの固有法則の包括的記述を達成して,正常と異常シーケンスの間の分化を増やした。シミュレーションデータセットとGoogleトレースデータセットをそれぞれ検証のために使用する。結果は,TS-DeepSVDDが従来の教師なし異常検出法よりも正確に異なる異常シーケンスを検出できることを示した。Copyright 2021 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： 記憶装置 ,  シミュレーション ,  *畳込み ,  ニューラルネットワーク ,  ネットワークアーキテクチャ ,  特徴ベクトル ,  異常検出 ,  畳込みニューラルネットワーク
準シソーラス用語： Google , 【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 (5件)： クラウド ,  融合 ,  教師 ,  シーケンス ,  異常検出