Geri Dön

Deep learning based log anomaly detection with time differences

Zaman farkları ile derin öğrenme tabanlı log anormalliği algılama

  1. Tez No: 653972
  2. Yazar: BARANSEL SAĞINDA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ROYA CHOUPANI, PROF. DR. ERDOĞAN DOĞDU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Federated anomaly detection for log-based defense systems

    Log tabanlı savunma sistemleri için federe olağandışılık tespiti

    UĞUR ÜNAL

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has Üniversitesi

    Yönetim Bilimleri Ana Bilim Dalı

    PROF. DR. HASAN DAĞ

  2. Ağ davranış modeli ile kurum içi saldırıların belirlenmesi

    Detection of insider attacks using network behavour model

    AYŞE GÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. ERTUĞRUL KARAÇUHA

    PROF. DR. EŞREF ADALI

  3. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YÜKSEL ÇELİK

  4. Deep learning based hybrid recommender system

    Derin öğrenme tabanlı öneri sistemi

    MUHAMMET ÇAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  5. 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

    Türkçe

    2024

    Eğitim ve ÖğretimTrabzon Üniversitesi

    Matematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı

    PROF. DR. TUNCAY ÖZSEVGEÇ