您的异常检测器准备好应对变化了吗？使 AIOps 方案适应现实世界
机器学习
2024-04-12 v2 软件工程
摘要
异常检测技术在自动化监控 IT 系统与运维中至关重要。这些技术意味着机器学习算法在特定时间段的操作数据上训练，并持续在新出现的数据上评估。操作数据随时间不断变化，影响已部署异常检测模型的性能。因此，需要持续的模型维护以随时间保持异常检测器的性能。本工作中，我们依据模型更新频率分析了两种不同的异常检测模型维护技术，即盲模型重训练与知情模型重训练。我们进一步研究了通过在所有可用数据（全历史方法）或仅最新数据（滑动窗口方法）上重训练来更新模型的效果。此外，我们探究了数据变化监控工具能否确定何时需要通过重训练来更新异常检测模型。
引用
@article{arxiv.2311.10421,
title = {Is Your Anomaly Detector Ready for Change? Adapting AIOps Solutions to the Real World},
author = {Lorena Poenaru-Olaru and Natalia Karpova and Luis Cruz and Jan Rellermeyer and Arie van Deursen},
journal= {arXiv preprint arXiv:2311.10421},
year = {2024}
}