系统日志的异常检测及分析研究

发布时间：2022-12-11 20:23

　　系统日志数据对系统管理员管理系统和诊断系统问题起到了关键作用。随着数据的爆炸性增长,人工分析系统日志不仅耗费人力资源而且其分析速度已远远落后于日志生成的速度。使用基于机器学习方法的自动检测技术已成为目前解决系统日志异常检测问题的发展趋势。但是,基于传统机器学习方法在面对变化数据与类重叠数据时的效果并不稳定。随着系统的不断运行,日志反映了当前系统的状态,也产生了新的知识。因此,相对于以往的系统日志数据,当前日志数据发生了变化。为了适应不断变化的日志数据,本文提出了一种基于一致性预测算法的系统日志异常检测模型。将统计学习与机器学习的方法相结合,将一致性预测框架引入系统日志异常检测的问题中。相比于基于静态阈值的检测方法,一致性度量的统计学习方法可以动态适应不断变化的日志数据。并且针对一致性度量的统计学习方法计算效率低下的问题进行了改进。从而使得基于一致性预测算法的系统日志异常检测模型可以快速准确的检测系统日志的异常情况。由于系统日志数据的属性值过于相似,以致于无法准确划分决策边界,产生了类重叠现象。针对出现类重叠现象的日志数据,本文提出了一种基于集成学习的类重叠异常检测模型。首先计算了样本数... 

【文章页数】：46 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景及研究意义
    1.2 研究现状
    1.3 研究内容与方法
    1.4 论文组织与结构
第二章 相关理论研究
    2.1 一致性预测算法研究现状
    2.2 集成学习的研究现状
    2.3 本章总结
第三章 基于一致性预测算法的系统日志异常检测模型
    3.1 模型框架
        3.1.1 日志预处理
        3.1.2 异常检测
        3.1.3 一致性预测算法
        3.1.4 改进p值计算时间
    3.2 实验与分析
        3.2.1 实验数据与评价指标
        3.2.2 置信水平对实验的影响
        3.2.3 实验结果对比
        3.2.4 时间效率对比
        3.2.5 实验结果分析
    3.3 本章总结
第四章 基于集成学习的类重叠异常检测模型
    4.1 类重叠数据
        4.1.1 类重叠现象定义及研究现状
        4.1.2 模糊KNN
        4.1.3 模糊度
    4.2 基于集成学习的类重叠异常检测
        4.2.1 集成学习算法
        4.2.2 多种算法投票
    4.3 实验与分析
        4.3.1 实验数据与评价指标
        4.3.2 类重叠区域数据
        4.3.3 实验结果对比
    4.4 本章总结
第五章 总结与展望
    5.1 全文总结
    5.2 展望
致谢
参考文献
作者简介


【参考文献】：
期刊论文
[1]基于多输出极限学习机的快速一致性分类器[J]. 王迪,王萍,石君志.  控制与决策. 2019(03)
[2]基于卷积神经网络与一致性预测器的稳健视觉跟踪[J]. 高琳,王俊峰,范勇,陈念年.  光学学报. 2017(08)

博士论文
[1]带置信度分类器的研究与应用[D]. 王华珍.厦门大学 2009

硕士论文
[1]基于度量学习和聚类的一致性预测器算法研究[D]. 陈志刚.厦门大学 2014



本文编号：3719439