言出必行：你的基于日志的软件可靠性维护系统真的可靠吗？

基于日志的软件可靠性维护系统对于维持稳定的客户体验至关重要。然而，现有基于深度学习的方法对服务提供商而言是一个黑箱，使其无法理解这些方法如何检测异常，从而阻碍了在真实生产环境中的信任和部署。为了解决这个问题，本文根据对一家主要云提供商的 SRE 调查，定义了一个可信度指标——诊断忠实性，使模型获得服务提供商的信任。我们设计了两种评估任务：基于注意力的根因定位和事件扰动。实证研究表明，现有方法在诊断忠实性方面表现不佳。因此，我们提出了 FaithLog，一个忠实的基于日志的异常检测系统，它通过精心设计的因果引导注意力机制和对抗一致性学习来实现忠实性。在两个公共数据集和一个工业数据集上的评估结果表明，所提出的方法在诊断忠实性方面达到了最先进的性能。