LogGPT:基于 ChatGPT 的日志异常检测探索
机器学习
2023-09-06 v1 人工智能
软件工程
摘要
软件密集型系统产生的日志数据量日益增长,使其人工分析变得不切实际。许多基于深度学习的方法已被提出用于基于日志的异常检测。这些方法面临若干挑战,如高维且含噪的日志数据、类别不平衡、泛化性与模型可解释性。近来,ChatGPT 在多个领域展现出可喜结果。然而,关于 ChatGPT 在基于日志的异常检测中应用的研究仍属缺乏。本工作中,我们提出 LogGPT,一种基于 ChatGPT 的日志异常检测框架。通过利用 ChatGPT 的语言理解能力,LogGPT 旨在探索大规模语料库知识向基于日志的异常检测的可迁移性。我们开展实验评估 LogGPT 性能,并在 BGL 与 Spirit 数据集上与三种基于深度学习的方法比较。LogGPT 展现出可喜结果且具备良好可解释性。本研究为以 ChatGPT 为代表的基于提示的模型在日志异常检测任务中的应用提供了初步见解。
引用
@article{arxiv.2309.01189,
title = {LogGPT: Exploring ChatGPT for Log-Based Anomaly Detection},
author = {Jiaxing Qi and Shaohan Huang and Zhongzhi Luan and Carol Fung and Hailong Yang and Depei Qian},
journal= {arXiv preprint arXiv:2309.01189},
year = {2023}
}