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。
ソフトウェア集約システムはトラブルシューティング目的のためのログを生成する。最近,ログデータに基づくシステム異常を自動的に検出する多くの深層学習モデルを提案した。これらのモデルは,典型的に非常に高い検出精度を主張する。例えば,ほとんどのモデルは,一般的に使用されるHDFSデータセットで0.9以上のF測度を報告する。本論文では,ログベース異常検出の問題をいかに解決するかの深い理解を達成するために,本論文では,4つの公開ログデータセット上のシステム異常を検出するための5つの最先端の深層学習ベースモデルの徹底的な解析を行った。著者らの実験は,訓練データ選択,データグループ化,クラス分布,データノイズ,および早期検出能力を含むモデル評価のいくつかの側面に焦点を合わせる。これらの結果は,これらのすべての側面が評価に顕著な影響を持ち,研究した全てのモデルが必ずしもよく機能しないことを示した。ログベースの異常検出の問題は,まだ解決されていない。著者らの知見に基づいて,可能な将来の研究も示唆した。【JST・京大機械翻訳】