LogGPT：基于 GPT 的日志异常检测
机器学习
2023-12-12 v2
摘要
基于日志数据检测系统异常对于保障计算机系统的安全性和可靠性十分重要。近年来，深度学习模型被广泛用于日志异常检测。其核心思想是将日志序列建模为自然语言，并采用 LSTM 或 Transformer 等深度序列模型，通过语言建模编码日志序列中的正常模式。然而，语言建模与异常检测之间存在鸿沟，因为通过语言建模损失训练序列模型的目标与异常检测并无直接关联。为弥补这一鸿沟，我们提出 LogGPT，一种采用 GPT 进行日志异常检测的新框架。LogGPT 首先被训练以基于前文序列预测下一条日志条目。为进一步提升 LogGPT 性能，我们提出一种新颖的强化学习策略，针对日志异常检测任务对模型进行微调。在三个数据集上的实验结果表明，LogGPT 显著优于现有的最先进方法。
引用
@article{arxiv.2309.14482,
title = {LogGPT: Log Anomaly Detection via GPT},
author = {Xiao Han and Shuhan Yuan and Mohamed Trabelsi},
journal= {arXiv preprint arXiv:2309.14482},
year = {2023}
}