Исследование обнаружения аномалий в журналах на основе Sentence-BERT

Обнаружение аномалий в журналах имеет важное значение для компьютерных систем. Анализируя и обрабатывая журналы, генерируемые системой, можно выявлять аномальные события или потенциальные проблемы, что способствует обеспечению стабильности и надежности системы. В настоящее время вследствие увеличения масштабов и сложности программных систем объем данных журналов чрезвычайно возрос, а традиционные методы обнаружения уже не позволяют своевременно выявлять системные аномалии. Поэтому важно разрабатывать методы обнаружения аномалий в журналах, обладающие высокой точностью и хорошей способностью к обобщению. В данной работе предложен метод обнаружения аномалий в журналах LogADSBERT, основанный на Sentence-BERT. Этот метод использует модель Sentence-BERT для извлечения семантических и поведенческих признаков событий журналов и выполняет обнаружение аномалий с помощью двунаправленной сети с долгой краткосрочной памятью (Bi-LSTM). Эксперименты на открытом наборе данных журналов показали, что LogADSBERT обеспечивает более высокую точность по сравнению с существующими методами обнаружения аномалий в журналах. Кроме того, LogADSBERT сохраняет устойчивость даже при внедрении новых событий журналов.