评估匿名化系统日志在RNN模型行为分析中的可用性

系统日志是分析计算系统行为的常用监测数据来源。由于现代计算系统的复杂性以及所收集监测数据的规模庞大，需要自动化的分析机制。已有众多机器学习和深度学习方法被提出以应对这一挑战。然而，由于系统日志中存在敏感数据，其分析与存储引发了严重的隐私担忧。匿名化方法可用于在分析前清洗监测数据。但一般而言，匿名化系统日志对大多数行为分析并不能提供充分的可用性。内容感知的匿名化机制（如PaRS）即使在匿名化后也能保留系统日志的相关性。本工作评估了取自Taurus HPC集群、经PaRS匿名化的系统日志，通过循环神经网络模型进行行为分析时的可用性。