論文の概要: Practitioners' Expectations on Log Anomaly Detection

• arxiv url: http://arxiv.org/abs/2412.01066v1
• Date: Mon, 02 Dec 2024 03:01:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:48:40.198053
• Title: Practitioners' Expectations on Log Anomaly Detection
• Title（参考訳）: ログ異常検出における実践者の期待
• Authors: Xiaoxue Ma, Yishu Li, Jacky Keung, Xiao Yu, Huiqi Zou, Zhen Yang, Federica Sarro, Earl T. Barr,
• Abstract要約: 我々は,36カ国312人の実践者を対象に,ログ異常検出に対する期待を調査し,実証的研究を行った。 次に,2014年から2024年にかけての初回会場での出版を中心に,ログ異常検出に関する文献レビューを行った。 本研究は,実践者の期待に応えたログ異常検出技術の開発に注力する研究者の方向性を強調した。
• 参考スコア（独自算出の注目度）: 13.78183774000866
• License:
• Abstract: Log anomaly detection has become a common practice for software engineers to analyze software system behavior. Despite significant research efforts in log anomaly detection over the past decade, it remains unclear what are practitioners' expectations on log anomaly detection and whether current research meets their needs. To fill this gap, we conduct an empirical study, surveying 312 practitioners from 36 countries about their expectations on log anomaly detection. In particular, we investigate various factors influencing practitioners' willingness to adopt log anomaly detection tools. We then perform a literature review on log anomaly detection, focusing on publications in premier venues from 2014 to 2024, to compare practitioners' needs with the current state of research. Based on this comparison, we highlight the directions for researchers to focus on to develop log anomaly detection techniques that better meet practitioners' expectations.
• Abstract（参考訳）: ログ異常検出は、ソフトウェアエンジニアがソフトウェアシステムの振る舞いを分析するための一般的なプラクティスとなっている。 過去10年間のログ異常検出に関する重要な研究努力にもかかわらず、記録異常検出に対する実践者の期待と、現在の研究が彼らのニーズを満たすかどうかは不明である。 このギャップを埋めるため,36カ国312人の実践者を対象に,ログ異常検出への期待について調査を行った。 特に,ログ異常検出ツールの採用意欲に影響を及ぼす要因について検討した。 次に、2014年から2024年までの初回会場での出版物を中心に、ログ異常検出に関する文献レビューを行い、実践者のニーズと現在の研究状況を比較した。 この比較から,実践者の期待に応えたログ異常検出技術の開発に注目する研究者の方向性を強調した。

関連論文リスト

• How Industry Tackles Anomalies during Runtime: Approaches and Key Monitoring Parameters [4.041882008624403]
  本稿では,様々な産業分野における異常や現在の異常検出手法を理解することを目的とする。 また、実行時の監視データを通じて異常を特定するのに必要なパラメータを特定することも目標としている。
  論文  参考訳（メタデータ） (2024-08-14T21:10:15Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• Impact of Log Parsing on Deep Learning-Based Anomaly Detection [4.0719622481627376]
  本研究では,ログ解析精度と異常検出精度との間には強い相関関係がないことを示す。 本研究は,ログ解析結果の識別可能性を示す特性として,既存の理論結果について実験的に検証する。
  論文  参考訳（メタデータ） (2023-05-25T09:53:02Z)
• PULL: Reactive Log Anomaly Detection Based On Iterative PU Learning [58.85063149619348]
  本稿では,推定故障時間ウィンドウに基づくリアクティブ異常検出のための反復ログ解析手法PULLを提案する。 我々の評価では、PULLは3つの異なるデータセットで10のベンチマークベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2023-01-25T16:34:43Z)
• Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
  時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。 時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。 本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
  論文  参考訳（メタデータ） (2022-11-09T22:40:22Z)
• A Taxonomy of Anomalies in Log Data [0.09558392439655014]
  異常の一般的な分類法は、すでに存在するが、ログデータに特に適用されていない。 本稿では,異なる種類のログデータ異常に対する分類法を提案し,ラベル付きデータセットにおけるそのような異常を分析する方法を提案する。 以上の結果から,最も一般的な異常型が予測し易いことが示唆された。
  論文  参考訳（メタデータ） (2021-11-26T12:23:06Z)
• Applications of Generative Adversarial Networks in Anomaly Detection: A Systematic Literature Review [28.752089275446462]
  GAN(Generative Adversarial Network)は異常検出研究において大きな注目を集めている。 本稿では,GANの異常検出への応用について,系統的な文献レビューを行う。
  論文  参考訳（メタデータ） (2021-10-22T21:48:48Z)
• A2Log: Attentive Augmented Log Anomaly Detection [53.06341151551106]
  異常検出は、ITサービスの信頼性とサービス性にとってますます重要になる。 既存の教師なし手法は、適切な決定境界を得るために異常な例を必要とする。 我々は,異常判定と異常判定の2段階からなる教師なし異常検出手法であるA2Logを開発した。
  論文  参考訳（メタデータ） (2021-09-20T13:40:21Z)
• Detecting Log Anomalies with Multi-Head Attention (LAMA) [2.0684234025249713]
  テンプレートアクティビティ(イベント)シーケンスとしてログストリームを処理するマルチヘッドアテンションに基づくシーケンシャルモデルであるlamaを提案する。 次にイベント予測タスクを適用して、異常検出のためのモデルをトレーニングする。
  論文  参考訳（メタデータ） (2021-01-07T06:15:59Z)
• 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)
• Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
  本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。 既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。 本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
  論文  参考訳（メタデータ） (2020-03-16T02:47:23Z)

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。