Resumen

Los registros del sistema pueden registrar el estado del sistema y eventos importantes durante la operación del sistema en detalle. Detectar anomalías en los registros del sistema es un método común para los sistemas distribuidos modernos a gran escala. Sin embargo, los modelos de clasificación basados en umbrales utilizados para la detección de anomalías solo muestran dos valores: normal o anormal, lo que carece de la probabilidad de estimar si los resultados de predicción son correctos. En este documento, se adopta un algoritmo de aprendizaje estadístico llamado predictor Venn-Abers para evaluar la confianza de los resultados de predicción en el campo de la detección de anomalías en los registros del sistema. Es capaz de calcular la distribución de probabilidad de etiquetas para un conjunto de muestras y proporcionar una evaluación de calidad de las etiquetas predictivas hasta cierto punto. Se han implementado dos predictores Venn-Abers, LR-VA y SVM-VA, basados en Regresión Logística y Máquina de Vectores de Soporte, respectivamente. Luego, se consideran las diferencias entre diferentes al

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Registros del sistema; Detección de anomalías; Predictor Venn-Abers; Algoritmo de fusión multimodelo; Stacking; Sistema de Archivos Distribuido Hadoop
• Keywords:System logs; Anomaly detection; Venn-Abers predictor; Multimodel fusion algorithm; Stacking; Hadoop Distributed File System