基于单类支持向量机的 Juniper 路由器设备日志异常检测
机器学习
2023-05-23 v1
摘要
本文研究 Juniper 路由器日志的异常检测。异常的 Juniper 路由器日志通常不同于正常运行日志，往往反映路由器设备的异常运行。为防止路由器设备受损并帮助管理员快速掌握错误状况，尽快检测异常运行十分重要。本工作中，我们提出一种从 Juniper 路由器设备日志数据中提取重要特征的新方法，并采用基于单类支持向量机(One-Class SVM)模型的机器学习方法进行异常检测。One-Class SVM 模型需要一定关于 Juniper 路由器日志的知识与理解，以便对其获取的知识进行分析、解释与检验。我们从大量真实 Juniper 路由器设备收集日志数据，并基于已有知识对其进行分类。在这些日志用于训练和测试 One-Class SVM 模型之前，先对数据执行特征提取阶段。最终，所提方法能够快速且准确地检测路由器系统错误，这有助于我公司降低路由器系统的运维成本。
关键词
引用
@article{arxiv.2305.12329,
title = {Anomaly Detection Using One-Class SVM for Logs of Juniper Router Devices},
author = {Tat-Bao-Thien Nguyen and Teh-Lu Liao and Tuan-Anh Vu},
journal= {arXiv preprint arXiv:2305.12329},
year = {2023}
}