Feb, 2024

从观测数据中快速检测根本原因，并应用于 IT 系统

PDF
TL;DR引入了一种新的针对阈值性 IT 系统的结构因果模型，并提出了一种新的算法，用于快速检测此类系统中异常的根本原因，方法基于离线数据进行因果性发现，通过代理的干预提出了扩展来放宽根因非因果相关的假设，对于在线数据中的新异常，则利用子图遍历，实验证明了该方法的卓越性能。
发现论文，激发创造
  • 一种检测多元时间序列异常和根本原因的因果方法

    本文从因果关系的角度出发，将异常检测问题视为不遵循正常因果机制来生成多变量数据的实例，并提出了一种基于因果关系的框架来检测异常和根本原因。

    Jun, 2022

  • 基于因果推断的在线服务系统干预识别根因分析

    本文提出了一种新的因果推理任务 —— 干预识别方法，称作 “因果推理基础的根因分析（CIRCA）”，并在在线服务系统监控数据的背景下构建了因果贝叶斯网络。实验结果表明，相对于其他基线方法，CIRCA 能够提高前 1 推荐的召回率达到 25% 的效果。

    Jun, 2022

  • 使用时间状态对齐在异常时间序列中进行根本原因检测

    提出了一种基于时间序列波动模式分析的方法，以定位分布式软件系统中异常的根本原因，并在 Zillows 的点击流数据上进行了验证。

    Jan, 2020

  • 基于反事実的动态系统根本原因分析

    通过使用残差神经网络对动态因果系统进行建模，并得出相应的反事实轨迹分布，我们解决了现有因果方法在确定根本原因时的问题，该方法对静态环境有限且注重导致故障的外部影响，而非结构影响。我们提出的方法在动态系统基准和真实世界河流数据集上具有有效性。

    Jun, 2024

  • 给定带环无向汇总因果图的时间序列集体异常根本原因识别

    这篇论文提出了一种通过观察时间序列和一个描述正常状态下动态系统中因果关系的无环摘要因果图来识别集体异常的根本原因的方法，并利用 d 分离将问题分解到多个独立子问题中，并介绍了如何通过比较正常状态下的直接因果效应和异常状态下的直接因果效应来找到其余的根本原因。

    Mar, 2023

  • IT 监控时间序列的因果发现案例研究

    使用因果发现算法对不同的信息技术监控数据集进行案例研究，突出了优势和挑战。

    Jul, 2023

  • 缺失结构知识的异常值根本原因分析

    通过使用结构因果模型中的因果反事实的定量贡献分析，最近的工作对异常情况的根本原因分析进行了概念化。本文提出了简化、高效的根本原因分析方法，用于识别唯一的根本原因而非定量贡献分析的任务。对于未知因果有向无环图的应用场景，我们将异常得分最高的变量作为根本原因进行启发式验证。

    Jun, 2024

  • 利用规则学习和子群发现技术加速系统级调试

    通过基于规则的技术提出一种系统级调试加速的原因分析流程，使用多项测试的日志提取工程特征和数据分析技术生成高质量的调试提示，以 Power Management (PM) 设计功能 Package-C8 的故障排除为案例研究并展示了它们的有效性，还提出了一种挖掘原因分析经验和结果以加速未来调试活动并减少验证专家依赖的方法，我们相信这些技术对于复杂的硬件、软件和固件系统，以及不同抽象层次的验证活动，无论是硅前还是硅后，都是有益的。

    Jul, 2022

  • 面向在线无监督根因分析的增量因果图学习

    本文提出一种名为 CORAL 的在线根本原因分析框架，结合多元奇异谱分析和累积和统计学的方法，实现了系统实时状态的自动检测和更新原因分析模型，进而定位根本原因。实验表明，该框架在三个真实世界数据集的案例研究中表现出更高的准确性和优越性。

    May, 2023

  • 一个无监督的时空图模型方法用于分布式 CPS 中的异常检测

    本文提出了一种新的基于数据驱动的系统范围异常检测框架，其基于符号动力学的概念构建了一种时空特征提取方案，用于发现和表示 CPS 子系统之间因果相互作用，结果表明，该框架可以用于捕获多种正常模式并检测若干的从低级子系统到高级子系统的故障传播路径。

    Dec, 2015