logpai/deep-loglizerUn toolkit di deep learning per il rilevamento di anomalie basato sui log
Deep-loglizer è un toolkit di analisi dei log basato su deep learning per il rilevamento automatico delle anomalie.
Se utilizzi Deep-loglizer nella tua ricerca per una pubblicazione, ti preghiamo di citare il seguente articolo:
Zhuangbin Chen, Jinyang Liu, Wenwei Gu, Yuxin Su e Michael R. Lyu. Rapporto di esperienza: analisi dei log di sistema basata su deep learning per il rilevamento di anomalie. preprint arXiv, arXiv:2107.05908 (2021).
| Modello | Riferimento articolo |
|---|---|
| Modelli non supervisionati | |
| LSTM | [CCS'17] Deeplog: rilevamento e diagnosi di anomalie dai log di sistema attraverso il deep learning, di Min Du, Feifei Li, Guineng Zheng e Vivek Srikumar. [University of Utah] |
| LSTM | [IJCAI'19] LogAnomaly: rilevamento non supervisionato di anomalie sequenziali e quantitative nei log non strutturati di Weibin Meng, Ying Liu, Yichen Zhu et al. [Tsinghua University] |
| Transformer | [ICDM'20] Rilevamento di anomalie nei log non strutturati basato su classificazione self-attentive, di Sasho Nedelkoski, Jasmin Bogatinovski, Alexander Acker, Jorge Cardoso e Odej Kao. [TU Berlin] |
| Autoencoder | [ICT Express'20] Rilevamento non supervisionato di anomalie nei messaggi di log, di Amir Farzad e T Aaron Gulliver. [University of Victoria] |
| Modelli supervisionati | |
| Attentional BiLSTM | [ESEC/FSE'19] Rilevamento robusto di anomalie basato sui log per dati di log instabili di Xu Zhang, Yong Xu, Qingwei Lin et al. [MSRA] |
| CNN | [DASC'18] Rilevamento di anomalie nei log di sistemi big data utilizzando reti neurali convoluzionali di Siyang Lu, Xiang Wei, Yandong Li e Liqiang Wang. [University of Central Florida] |
git clone https://github.com/logpai/deep-loglizer.git
cd deep-loglizer
pip install -r requirements.txt