Feb, 2023

半监督跨模态注重力异构软件系统异常检测

PDF
TL;DR该研究通过系统化的研究，发现了结合日志和度量数据来检测系统异常更加有效，提出了基于异构数据的端到端半监督方法 Hades，并通过大量模拟数据和华为云数据集的评估结果，证明了模型在检测系统异常方面的有效性。
system anomaliesheterogeneous datasemi-supervised approachlog semanticsmetric patterns
发现论文，激发创造
  • 水力条件监测系统异常检测中半监督学习的比较研究

    本研究系统比较了半监督学习方法在液压系统异常检测中的应用，设计了一种基于极限学习机的半监督 HELM 模型，并证实其在半监督方法中具有卓越的性能。

    Jun, 2023

  • 面向在线服务的多变量监控指标实用异常检测

    现代软件系统在复杂性和数量方面不断增长，对多变量监测指标进行异常检测变得越来越关键和具有挑战性。本文提出了一种基于协作机制的多变量监测指标上的异常检测框架 CMAnomaly，该框架能捕捉到不同指标之间以及它们的历史模式之间的依赖关系，通过代价有效的模型实现了准确的异常检测。通过实验结果表明，CMAnomaly 相对于现有基准模型在 F1 得分和运行速度上取得了显著的改进。此外，我们还分享了在华为云中部署 CMAnomaly 的经验。

    Aug, 2023

  • 智能警报生成的混合方法

    本文提出了一种混合模型用于警报系统，该模型将统计模型与白名单机制相结合，以解决大规模网络系统中可伸缩性、数据异构性、可泛化性和可维护性的挑战，从而减少假阳性警报。

    Jun, 2023

  • HFN: 多元时间序列异常检测的异构特征网络

    提出了一种基于异构特征网络（HFN）的半监督异常检测框架，利用大量无标签的时间序列数据学习异构结构信息，使用注意力系数对检测到的异常进行说明，并在真实世界应用的四个传感器数据集上进行实验证明，其检测精度优于现有的基线方法。

    Nov, 2022

  • 基于双图的关注多模学习的微服务系统异常检测

    本论文提出了一种基于图的半监督异常检测方法 ——MSTGAD，通过关注多模态学习，无缝地集成所有可用的数据模态，以实现对微服务系统中的异常进行实时自动准确检测。

    Oct, 2023

  • 異質環境下的辱罵語言檢測：數據集收集與監督注意力的作用

    本文提出了一种注重异质性的辱骂评论的检测算法，使用带监督的注意机制和多任务学习来提高性能，并在一个包含 11000 条评论的 YouTube 数据集上进行了实验比较。

    May, 2021

  • 交互式系统异常检测

    提出了一种交互式系统异常检测方法 InterSAD，采用马尔可夫决策过程建模交互系统，并开发了一种端到端方法，包括编码器 - 解码器模块和策略网络，通过试错法收集数据，并采用回放缓冲区来稳定学习过程，成功在两种基准环境中进行了实验。

    Apr, 2023

  • MLAD: 多系统日志异常检测的统一模型

    提出了一种新的异常检测模型 MLAD，该模型通过语义关系推理跨越多个系统。实验证明了 MLAD 的优越性。

    Jan, 2024

  • 异构图学习在多模式医学数据分析中的应用

    我们介绍一种名为 HetMed 的图形框架，可以将多模态医疗数据融合在一起，这通过构造一个多重网络来实现，该网络涵盖患者的多种非图像特征，以系统的方式捕捉患者之间的复杂关系，从而实现更准确的临床决策，并在各种实际数据集上证明了 HetMed 的优越性和实用性。

    Nov, 2022

  • MELODY: 实体级在线异常检测的稳健半监督混合模型与多变量时间序列

    大型 IT 系统中，软件部署是在线服务中至关重要的过程，本文研究了软件部署的异常检测问题，提出了一种名为 MELODY 的半监督混合模型，用于检测大型在线系统中的部署。

    Jan, 2024