基于多图自编码器的聚合数据异常检测

在数据系统中，活动或事件在现场被持续收集以追踪其正常执行。日志（即记录事件序列）可用于分析系统故障与异常，并识别此类问题的原因与位置。在我们的研究中，我们专注于为系统日志创建异常检测模型。异常检测的任务是识别数据集中不同于正常行为的意外事件。异常检测模型也有助于数据系统分析任务。现代系统可能产生如此大量的事件，以至于监控每一个单独事件不可行。在此类情况下，事件通常按固定时间段聚合，报告该时间段内每个事件的发生次数。这种聚合便于扩展，但需要不同的异常检测方法。在本研究中，我们对聚合数据及聚合事件间的关系进行了深入分析。基于研究的初始阶段，我们提出了聚合数据集的图表示，其刻画了同一上下文中聚合实例间的不同关系。利用该图表示，我们提出多图自编码器 MGAE，一种新颖的卷积图自编码器模型，它利用了独特数据集中聚合实例间的关系。MGAE 优于标准图自编码器模型及不同的实验。借助我们新颖的 MGAE，我们展示了相较于标准图自编码器 60% 的重建误差下降，这体现在高 degree 关系的重建中。