CSCLog：一种分量子序列关联感知的日志异常检测方法
机器学习
2023-07-10 v1
摘要
基于系统日志的异常检测在智能运维中发挥着重要作用，但由于日志模式极为复杂，这是一项具有挑战性的任务。现有方法通过捕获日志序列中的顺序依赖关系来检测异常，忽略了子序列之间的交互。为此，我们提出 CSCLog，一种分量子序列关联感知的日志异常检测方法，其不仅捕获子序列内的顺序依赖关系，还对子序列间的隐式关联进行建模。具体而言，基于分量从日志序列中提取子序列，并利用长短期记忆网络（LSTMs）捕获子序列内的顺序依赖关系。引入隐式关联编码器来自适应地对子序列间的隐式关联进行建模。此外，采用图卷积网络（GCNs）来完成子序列间的信息交互。最后，利用注意力机制融合所有子序列的嵌入。在四个公开可用日志数据集上的大量实验证明了 CSCLog 的有效性，其在 Macro F1-Measure 上平均优于最佳基线 7.41%。
引用
@article{arxiv.2307.03359,
title = {CSCLog: A Component Subsequence Correlation-Aware Log Anomaly Detection Method},
author = {Ling Chen and Chaodu Song and Xu Wang and Dachao Fu and Feifei Li},
journal= {arXiv preprint arXiv:2307.03359},
year = {2023}
}
备注
submitted to TKDD, 18 pages and 7 figures