Deep learning based log anomaly detection with time differences
Zaman farkları ile derin öğrenme tabanlı log anormalliği algılama
- Tez No: 653972
- Danışmanlar: DR. ÖĞR. ÜYESİ ROYA CHOUPANI, PROF. DR. ERDOĞAN DOĞDU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Sürekli büyüyen dijital hizmetler ve yeni mikro hizmetlerin adaptasyonu ile birlikte yeni bilgi işlem sistemleri ile oluşturulan kayıtlarin miktarı muazzam bir şekilde artmaktadır. Bu büyük kayıtların izlenmesi ve değerlendirilmesi, sistem günlüğü oluşturmanın boyutu ve artan hızı nedeniyle giderek zorlakmaştadır. Çoğu zaman, bu kayıtları zamanında ve verimli bir şekilde işlemek için kaynaklar yetmemektedir. Bu çalışmada, sistem günlüklerinin ayrıştırılması ve değerlendirilmesi için, günlüklerdeki meydana gelen olaylar arasındaki sürenin uzunluğuna dayalı anormallik tespitinde kullanımına bir yöntem öneriyoruz. Anormallik tespiti için özellikle Seq2seq nörön ağlarını kullanıyoruz. Sonuçlar, yöntemimizin olay kayıtlarının içeriği hakkında herhangi bir bilgi sahibi olmaksızın normal ve anormal olayları ayırt etmede başarılı olduğunu göstermektedir.
Özet (Çeviri)
With the ever-growing digital transformation in our lives and the new computing systems with the adaption of microservices, systems generated log records are increasing tremendously. Monitoring and evaluation of these“big”log records are real challenges due to the size and growing pace of system log generation. Most of the time, these records are not utilized efficiently for the benefit of increased system availability and reliability due to the lack of resources to process these records timely and efficiently. In this work, we propose a method for parsing and evaluating system logs based on the length of time between the occurrence events in logs and the utilization of these time periods in learning-based anomaly detection. We specifically use Seq2seq networks for anomaly detection. Results show that our method is successful at distinguishing between normal and anomaly events, even without any information about log keys.
Benzer Tezler
- Federated anomaly detection for log-based defense systems
Log tabanlı savunma sistemleri için federe olağandışılık tespiti
UĞUR ÜNAL
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. HASAN DAĞ
- Ağ davranış modeli ile kurum içi saldırıların belirlenmesi
Detection of insider attacks using network behavour model
AYŞE GÜL
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
PROF. DR. EŞREF ADALI
- Graf ve karekod yöntemleriyle dönüştürülmüş log kayıtları üzerinde derin öğrenme tabanlı siber saldırı tespiti
Deep learning-based cyber attack dedection on encoded log by graph and qr code methods
YUSUF ALACA
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÇELİK
- Deep learning based hybrid recommender system
Derin öğrenme tabanlı öneri sistemi
MUHAMMET ÇAKIR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Özel yetenekli öğrencilerin yaratıcı problem çözme becerilerinin değerlendirilmesine yönelik derin öğrenme tabanlı oyunun geliştirilmesi
Development of a deep learning-based game for assessing gifted students' creative problem-solving skills
NURAN HOŞ ERCİN
Doktora
Türkçe
2024
Eğitim ve ÖğretimTrabzon ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
PROF. DR. TUNCAY ÖZSEVGEÇ