TransLog：一种基于 Transformer 的统一日志异常检测框架
机器学习
2022-01-19 v2 人工智能
摘要
日志异常检测是 IT 运维人工智能（AIOps）领域的关键组件。考虑到不同领域的日志数据，在未知领域重新训练整个网络在工业实际场景中效率低下，尤其对于低资源领域。然而，以往的深度学习模型仅关注提取同领域日志序列的语义，导致在多领域日志上泛化能力差。因此，我们提出一种基于 Transformer 的统一日志异常检测框架（TransLog），其由预训练与基于适配器的微调阶段组成。我们的模型首先在源领域上进行预训练以获得日志数据的共享语义知识。随后，我们通过基于适配器的微调将预训练模型迁移至目标领域。所提方法在三个公共数据集（包括一个源领域与两个目标领域）上进行了评估。实验结果表明，我们这种简单而高效的方法在目标领域以更少的可训练参数与更低的训练成本，在三个基准上取得了最先进的性能。
引用
@article{arxiv.2201.00016,
title = {TransLog: A Unified Transformer-based Framework for Log Anomaly Detection},
author = {Hongcheng Guo and Xingyu Lin and Jian Yang and Yi Zhuang and Jiaqi Bai and Tieqiao Zheng and Bo Zhang and Zhoujun Li},
journal= {arXiv preprint arXiv:2201.00016},
year = {2022}
}
备注
6 pages