一种用于 IT 运维序列预测与异常检测的联合模型
机器学习
2021-04-23 v5 机器学习
摘要
状态预测与异常检测是自动 IT 系统监控中的两项基本任务。本文提出一种联合模型 Predictor & Anomaly Detector (PAD)，在统一框架下解决这两个问题。在我们的设计中，变分自编码器(VAE)与长短期记忆网络(LSTM)被结合在一起。预测模块(LSTM)接收由 VAE 重建的时序中的干净输入，使其对异常与噪声具有预测鲁棒性。同时，LSTM 模块保持了 VAE 编码窗口之外的长期序列模式，这使得 VAE 在异常检测上的表现优于其单独训练时。在整个处理流程中，谱残差分析被集成于 VAE 与 LSTM 中以提升两者性能。在两个具有挑战性的评测基准上的实验证实了该模型在两项任务上的优越性能。
引用
@article{arxiv.1910.03818,
title = {A Joint Model for IT Operation Series Prediction and Anomaly Detection},
author = {Run-Qing Chen and Guang-Hui Shi and Wan-Lei Zhao and Chang-Hui Liang},
journal= {arXiv preprint arXiv:1910.03818},
year = {2021}
}
备注
This paper has been published in Neurocomputing