IT操作的人工智能（AIOPS）描述了使用各种AI-AI-ai-ai-a-ables方法和工具维护和操作大型IT系统的过程稳定IT活动。任何AIOPS工作流程的核心步骤是异常检测，通常在高量异质数据上执行，例如日志消息（日志），指标（例如CPU利用率）和分布式痕迹。在本文中，我们提出了一种从系统日志中可靠和实用异常检测的方法。它通过构建使用1000+ github项目源代码的日志指令来构建一个异常检测模型来克服相关工作的常见缺点，即需要大量手动标记的培训数据。来自不同系统的说明包含有关许多不同正常和异常IT事件的丰富和异体信息，并作为异常检测的基础。所提出的名为Adlilog的方法结合了日志指令和来自感兴趣系统（目标系统）的数据，以通过两阶段的学习过程来学习深度神经网络模型。实验结果表明，ADLILOG的表现优于相关方法的F1分数高达60％，同时满足工业部署的核心非功能性要求，例如无监督设计，有效的模型更新和小型模型尺寸。
translated by 谷歌翻译