深層学習によるログベースの異常検出:我々はどの程度遠いか?【JST・京大機械翻訳】

Le Van-Hoang; Zhang Hongyu

プレプリント

J-GLOBAL ID：202202205451830924 整理番号：22P0286913

深層学習によるログベースの異常検出:我々はどの程度遠いか?【JST・京大機械翻訳】

Log-based Anomaly Detection with Deep Learning: How Far Are We?

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年02月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

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】

, , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る