論文の概要: AI based Log Analyser: A Practical Approach

• arxiv url: http://arxiv.org/abs/2203.10960v2
• Date: Thu, 20 Apr 2023 05:45:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 17:46:44.712869
• Title: AI based Log Analyser: A Practical Approach
• Title（参考訳）: AIベースのログアナライザ - 実践的なアプローチ
• Authors: Jonathan Pan
• Abstract要約: ログの分析は、システムおよびサイバーレジリエンスの障害またはサイバー法医学的インシデントの検出、調査、技術分析のために行われる重要な活動である。 ログ分析のためのAIアルゴリズムの潜在的な応用は、そのような複雑で退屈なタスクを増強する可能性がある。 本研究は,通常のログエントリのみを持つ新しいモデルをトレーニングするために Transformer 構造を用いることで,これらの課題に対処することを目的とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The analysis of logs is a vital activity undertaken for fault or cyber incident detection, investigation and technical forensics analysis for system and cyber resilience. The potential application of AI algorithms for Log analysis could augment such complex and laborious tasks. However, such solution has its constraints the heterogeneity of log sources and limited to no labels for training a classifier. When such labels become available, the need for the classifier to be updated. This practice-based research seeks to address these challenges with the use of Transformer construct to train a new model with only normal log entries. Log augmentation through multiple forms of perturbation is applied as a form of self-supervised training for feature learning. The model is further finetuned using a form of reinforcement learning with a limited set of label samples to mimic real-world situation with the availability of labels. The experimental results of our model construct show promise with comparative evaluation measurements paving the way for future practical applications.
• Abstract（参考訳）: ログの分析は、障害やサイバーインシデントの検出、調査、システムおよびサイバーレジリエンスの技術的な法医学的分析のために行われる重要な活動である。 ログ分析のためのAIアルゴリズムの潜在的な応用は、このような複雑で退屈なタスクを強化する可能性がある。 しかし、そのような解はログソースの不均一性を制約しており、分類器を訓練するラベルに制限されない。 このようなラベルが利用可能になると、分類器を更新する必要がある。 この実践ベースの研究は、Transformerコンストラクトを使用して、通常のログエントリだけで新しいモデルをトレーニングすることで、これらの課題に対処しようとしている。 複数の形態の摂動によるログ拡張は、特徴学習のための自己教師型トレーニングの形式として適用される。 このモデルはラベルサンプルの限られたセットで強化学習の形式を使ってさらに微調整され、実世界の状況とラベルの可用性を模倣する。 モデル構築実験の結果, 今後の実用化への道筋をたどる比較評価手法が期待できることがわかった。

関連論文リスト

• Geospatial Trajectory Generation via Efficient Abduction: Deployment for Independent Testing [1.8877926393541125]
  情報(A*)探索により,移動軌跡を効率的に吸収できることが示される。 私たちはまた、正確な結果を提供するだけでなく、非常に大きなシナリオにもスケールできることを示す独自の実験について報告します。
  論文  参考訳（メタデータ） (2024-07-08T23:11:47Z)
• RAGLog: Log Anomaly Detection using Retrieval Augmented Generation [0.0]
  本稿では,ベクトルデータベースを利用してログから異常を検出する検索拡張大言語モデルについて検討する。 我々の知る限り、RAGLogと呼ばれる我々の実験は、新しいもので、実験結果は、非常に有望であることを示している。
  論文  参考訳（メタデータ） (2023-11-09T10:40:04Z)
• Enhancing Multiple Reliability Measures via Nuisance-extended Information Bottleneck [77.37409441129995]
  トレーニングデータに制限がある現実的なシナリオでは、データ内の多くの予測信号は、データ取得のバイアスからより多く得る。 我々は,相互情報制約の下で,より広い範囲の摂動をカバーできる敵の脅威モデルを考える。 そこで本研究では,その目的を実現するためのオートエンコーダベーストレーニングと,提案したハイブリッド識別世代学習を促進するための実用的なエンコーダ設計を提案する。
  論文  参考訳（メタデータ） (2023-03-24T16:03:21Z)
• Leveraging Log Instructions in Log-based Anomaly Detection [0.5949779668853554]
  本稿では,システムログからの信頼性と実用的な異常検出手法を提案する。 1000以上のGitHubプロジェクトのソースコードからログインストラクションを備えた異常検出モデルを構築することで、関連する作業の一般的な欠点を克服する。 提案手法はADLILogと呼ばれ,興味あるシステム(ターゲットシステム)からのログ命令とデータを組み合わせて,深層ニューラルネットワークモデルを学習する。
  論文  参考訳（メタデータ） (2022-07-07T10:22:10Z)
• Process Discovery Using Graph Neural Networks [2.6381163133447836]
  本稿では,グラフニューラルネットワークを用いたMLベースモデルDのトレーニング手法を提案する。 Dは与えられた入力イベントログをサウンドペトリネットに変換する。 合成された入力ログと出力モデルのペアによるDのトレーニングにより、Dは以前に見つからなかった合成イベントログと複数の実生活イベントログを音に変換することができることを示す。
  論文  参考訳（メタデータ） (2021-09-13T10:04:34Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• Goal-directed Generation of Discrete Structures with Conditional Generative Models [85.51463588099556]
  本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。 提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
  論文  参考訳（メタデータ） (2020-10-05T20:03:13Z)
• Self-Attentive Classification-Based Anomaly Detection in Unstructured Logs [59.04636530383049]
  ログ表現を学習するための分類法であるLogsyを提案する。 従来の方法と比較して,F1スコアの平均0.25の改善を示す。
  論文  参考訳（メタデータ） (2020-08-21T07:26:55Z)
• Belief Propagation Reloaded: Learning BP-Layers for Labeling Problems [83.98774574197613]
  最も単純な推論手法の1つとして、切り詰められた最大積のBelief伝播を取り上げ、それをディープラーニングモデルの適切なコンポーネントにするために必要となるものを加えます。 このBP-Layerは畳み込みニューラルネットワーク(CNN)の最終ブロックまたは中間ブロックとして使用できる このモデルは様々な密集予測問題に適用可能であり、パラメータ効率が高く、ステレオ、光フロー、セマンティックセグメンテーションにおける堅牢な解を提供する。
  論文  参考訳（メタデータ） (2020-03-13T13:11:35Z)
• Progressive Identification of True Labels for Partial-Label Learning [112.94467491335611]
  部分ラベル学習(Partial-label Learning, PLL)は、典型的な弱教師付き学習問題であり、各トレーニングインスタンスには、真のラベルである候補ラベルのセットが設けられている。 既存のほとんどの手法は、特定の方法で解決しなければならない制約付き最適化として精巧に設計されており、計算複雑性をビッグデータにスケールアップするボトルネックにしている。 本稿では,モデルと最適化アルゴリズムの柔軟性を備えた分類器の新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T08:35:15Z)
• Machine Learning to Tackle the Challenges of Transient and Soft Errors in Complex Circuits [0.16311150636417257]
  機械学習モデルは、回路インスタンスの完全なリストに対して、インスタンスごとの正確な関数デレートデータを予測するために使用される。 提案手法を実例に適用し,各種機械学習モデルの評価と比較を行った。
  論文  参考訳（メタデータ） (2020-02-18T18:38:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。