logpai/deep-loglizerUn kit de herramientas de aprendizaje profundo para la detección de anomalías basada en logs.
Deep-loglizer es un conjunto de herramientas de análisis de registros (logs) basado en aprendizaje profundo para la detección automatizada de anomalías.
Si utilizas deep-loglizer en tu investigación para publicación, por favor cita el siguiente artículo:
| Modelo | Referencia del artículo |
|---|---|
| Modelos no supervisados | |
| LSTM | [CCS'17] Deeplog: Anomaly detection and diagnosis from system logs through deep learning, por Min Du, Feifei Li, Guineng Zheng y Vivek Srikumar. [University of Utah] |
| LSTM | [IJCAI'19] LogAnomaly: unsupervised detection of sequential and quantitative anomalies in unstructured logs por Weibin Meng, Ying Liu, Yichen Zhu et al. [Tsinghua University] |
| Transformer | [ICDM'20] Self-attentive classification-based anomaly detection in unstructured logs, por Sasho Nedelkoski, Jasmin Bogatinovski, Alexander Acker, Jorge Cardoso y Odej Kao. [TU Berlin] |
| Autoencoder | [ICT Express'20] Unsupervised log message anomaly detection, por Amir Farzad y T Aaron Gulliver. [University of Victoria] |
| Modelos supervisados | |
| BiLSTM atencional | [ESEC/FSE'19] Robust log-based anomaly detection on unstable log data por Xu Zhang, Yong Xu, Qingwei Lin et al. [MSRA] |
| CNN | [DASC'18] Detecting anomaly in big data system logs using convolutional neural network por Siyang Lu, Xiang Wei, Yandong Li y Liqiang Wang. [University of Central Florida] |
git clone https://github.com/logpai/deep-loglizer.git
cd deep-loglizer
pip install -r requirements.txt