用于分布式系统异常事件分类的深度卷积神经网络
分布式、并行与集群计算
2018-01-03 v2 机器学习
摘要
服务器使用的日益普及带来了大量异常日志事件，威胁着庞大的机器集合。因此，识别和分类异常事件对于我们的系统（尤其是那些生成海量数据并利用其创造技术价值和推动业务发展的系统）是一项至关重要的工作。为了协助聚焦于异常事件的分类与预测，并从系统事件记录中获取关键洞察，我们提出了一种新颖的日志预处理方法，该方法能有效过滤海量信息并保留关键特征。此外，本文提出了一种基于最先进的深度卷积神经网络 (CNN) 架构的竞争性方法，用于自动分类从分布式系统日志中检测到的异常事件。我们使用标准评估指标测量了一系列具有不同超参数组合的深度 CNN 算法，研究结果揭示了所提出的深度 CNN 模型在真实世界系统异常事件分类任务中的优势和潜在能力。我们方法的最佳分类精度为 98.14%，超越了流行的传统机器学习方法。
引用
@article{arxiv.1710.09052,
title = {Deep Convolutional Neural Networks for Anomaly Event Classification on Distributed Systems},
author = {Jiechao Cheng and Rui Ren and Lei Wang and Jianfeng Zhan},
journal= {arXiv preprint arXiv:1710.09052},
year = {2018}
}
备注
There was an error in the Results and Discussion parts of Experiments section, figure 7 and table VII have some number confusion