分散ファイルシステムにおけるHDBSCANを用いたインシデント発生間隔に基づく異常検知

カテゴリ: 研究会(論文単位)

論文No: CMN22025

グループ名: 【C】電子・情報・システム部門 通信研究会

発行日: 2022/06/13

タイトル(英語): Incident Interval based Anomaly Detection using HDBSCAN for Distributed File Systems

著者名: 野地 勇佑(同志社大学),木村 共孝(同志社大学),程 俊(同志社大学)

著者名(英語): Yusuke Noji(Doshisha University),Tomotaka Kimura(Doshisha University),Cheng Jun(Doshisha University)

キーワード: 機械学習|異常検知|ログファイル|クラスタリング|Machine Learning|Anomaly Detection|Log Files|Clustering

要約(日本語): 本稿では，DFS（Distributed File Systems）において，HDBSCAN（Hierarchical Density-based Spatial Clustering of Applications with Noise）を用いたインシデント間隔に基づく異常検知を提案する．HDBSCANは，教師なし機械学習手法の1つである．提案手法では，インシデントの発生間隔と発生件数をHDBSCANに入力する．HDFS(Hadoop Distributed File System)で収集したログを用いた実験を通して，インシデント間隔を考慮することで提案手法が有効であることを示す．_x000D_

要約(英語): In this paper, we propose an incident interval based anomaly detection using HDBSCAN (Hierarchical Density-based Spatial Clustering of Applications with Noise) for DFSs (Distributed File Systems). In recent years, large-scale DFSs have been widely used, and incident analysis has become increasingly important for stable operation. HDBSCAN is a promising solution for finding serious incidents from the logs of incidents, and it is one of unsupervised machine learning methods. In the proposed method, incident intervals and occurrence numbers of incidents are inputted into HDBSCAN. Through experiments using the logs collected by HDFS (Hadoop Distributed File System), we show that the proposed method is effective by considering the incident intervals._x000D_

本誌: 2022年6月16日-2022年6月17日通信研究会

本誌掲載ページ: 1-4 p

原稿種別: 日本語

PDFファイルサイズ: 975 Kバイト