Deep-loglizer

Deep-loglizer é um kit de ferramentas de análise de logs baseado em aprendizado profundo para detecção automatizada de anomalias.

Se você usar o deep-loglizer em sua pesquisa para publicação, por favor, cite o seguinte artigo:

Zhuangbin Chen, Jinyang Liu, Wenwei Gu, Yuxin Su e Michael R. Lyu. Experience Report: Deep Learning-based System Log Analysis for Anomaly Detection. arXiv preprint, arXiv:2107.05908 (2021).

Framework

Detecção de anomalias em logs baseada em aprendizado profundo

Modelo	Referência do artigo
Modelos não supervisionados
LSTM	[CCS'17] Deeplog: Anomaly detection and diagnosis from system logs through deep learning, por Min Du, Feifei Li, Guineng Zheng e 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 e Odej Kao. [TU Berlin]
Autoencoder	[ICT Express'20] Unsupervised log message anomaly detection, por Amir Farzad e T Aaron Gulliver. [University of Victoria]
Modelos supervisionados
Attentional BiLSTM	[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 e Liqiang Wang. [University of Central Florida]

git clone https://github.com/logpai/deep-loglizer.git
cd deep-loglizer
pip install -r requirements.txt