基于Q-learning算法的SaaS软件日志异常检测方法--讲座顺利开展

发布者:xinxi发布时间:2022-06-14作者:浏览次数:10

2022年6月13日下午,信息工程学院邀请了原武汉大学软件工程国家重点实验室常务副主任,原武汉大学计算机学院副院长,博士生导师应时教授开展了“基于Q-learning算法的SaaS软件日志异常检测方法”学术讲座,信息工程学院全体教师和校内相关教师在线参与了活动

日志是关于系统和软件运行状况、用户操作和软件使用情况等的信息记录。随着日志工具,特别是日志增强工具产生的日志数据的规模和价值越来越大,基于日志分析检测与预测软件运维故障的可行性越来越高。

应教授首先介绍了日志的特点和重要性,以及日志分析面临的挑战和国内外研究现状。如采用高效压缩方法完成海量日志数据的压缩;采用智能语言处理技术完成日志数据的解析;采用数据挖掘方法,完成基于日志分析的系统故障诊断;采用机器学习方法,完成基于日志分析的系统故障预测等。

应教授详细介绍了其研究团队自主研发的QLLog:一种基于Q-learning算法的SaaS软件日志异常检测方法。以一个原始日志为例,剖析了日志结构和QLLog的重要组成部分(日志模板、日志标识符、日志序列、日志序列集、日志解析、日志模板序列、日志状态机、Agent),并详细介绍了日记分析流程和日志异常检测方法。对于难以识别新的故障类型问题,QLLog具有新日志模板扩充Q表的机制;对于缺乏在线更新一场检测模型的问题,QLLog提供了通过人机交互的方式来更新异常等级表的途径。

最后应教授介绍了基于稀有类探索和利用的日志故障检测方法,异常日志类通常都是稀有类,但稀有类并一定都是异常日志类,采用稀有类探索,人工判断和标注以及稀有类利用等方式解决异常类判定问题。

与会老师也与应教授日志分析技术进行了进一步探讨和交流。