使用Auto-B/LSTM与Auto-GRU的日志消息异常检测与分类
机器学习
2021-04-08 v2 机器学习
摘要
日志消息如今在软件系统中被广泛使用。由于每天生成数百万条日志，它们对分类十分重要。大多数日志是非结构化的，这使得分类成为一项挑战。本文开发了称为Auto-LSTM、Auto-BLSTM和Auto-GRU的深度学习（DL）方法用于异常检测与日志分类。这些模型用于将非结构化日志数据转换为适于分类算法的提取特征。它们使用四个数据集进行评估，即BGL、Openstack、Thunderbird和IMDB。前三个是流行的日志数据集，而第四个是用于情感分类的电影评论数据集。所得结果表明Auto-LSTM、Auto-BLSTM和Auto-GRU优于其他知名算法。
引用
@article{arxiv.1911.08744,
title = {Log Message Anomaly Detection and Classification Using Auto-B/LSTM and Auto-GRU},
author = {Amir Farzad and T. Aaron Gulliver},
journal= {arXiv preprint arXiv:1911.08744},
year = {2021}
}
备注
18 pages, 5 figures, 3 tables