Deep-loglizer

Deep-loglizer 是一个基于深度学习的日志分析工具包，用于自动化异常检测。

如果您在研究中使用了 deep-loglizer，请在发表时引用以下论文：

Zhuangbin Chen, Jinyang Liu, Wenwei Gu, Yuxin Su 和 Michael R. Lyu. 经验报告：基于深度学习的系统日志分析用于异常检测。 arXiv 预印本，arXiv:2107.05908 (2021)。

框架

基于深度学习的日志异常检测

模型	论文参考
无监督模型
LSTM	[CCS'17] Deeplog：通过深度学习从系统日志中进行异常检测与诊断，作者：Min Du, Feifei Li, Guineng Zheng 和 Vivek Srikumar. [犹他大学]
LSTM	[IJCAI'19] LogAnomaly：非结构化日志中序列和定量异常的无监督检测，作者：Weibin Meng, Ying Liu, Yichen Zhu 等人. [清华大学]
Transformer	[ICDM'20] 非结构化日志中基于自注意力分类的异常检测，作者：Sasho Nedelkoski, Jasmin Bogatinovski, Alexander Acker, Jorge Cardoso 和 Odej Kao. [柏林工业大学]
Autoencoder	[ICT Express'20] 无监督日志消息异常检测，作者：Amir Farzad 和 T Aaron Gulliver. [维多利亚大学]
有监督模型
Attentional BiLSTM	[ESEC/FSE'19] 不稳定的日志数据上基于日志的稳健异常检测，作者：Xu Zhang, Yong Xu, Qingwei Lin 等人. [微软亚洲研究院]
CNN	[DASC'18] 使用卷积神经网络检测大数据系统日志中的异常，作者：Siyang Lu, Xiang Wei, Yandong Li 和 Liqiang Wang. [中佛罗里达大学]

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