LogMILP: Localizzazione debolmente supervisionata di anomalie nei log tramite perturbazione controfattuale
I ricercatori propongono LogMILP, un framework debolmente supervisionato per il rilevamento e la localizzazione di anomalie nei log. Il metodo utilizza l'apprendimento multi-istanza con modellazione strutturale guidata da prototipi e regolarizzazione della consistenza tramite perturbazione controfattuale. Richiede solo etichette a livello di bag per eseguire sia il rilevamento a livello di bag che la localizzazione a livello di istanza. Esperimenti su tre dataset pubblici mostrano prestazioni competitive.
Fatti principali
- LogMILP è un framework debolmente supervisionato per la localizzazione di anomalie nei log.
- Utilizza l'apprendimento multi-istanza potenziato da prototipi e perturbazione.
- Il metodo richiede solo etichette a livello di bag per l'addestramento.
- Esegue sia il rilevamento a livello di bag che la localizzazione a livello di istanza.
- La regolarizzazione della consistenza tramite perturbazione controfattuale migliora l'affidabilità della localizzazione.
- Gli esperimenti sono stati condotti su tre dataset pubblici.
- Il framework raggiunge prestazioni competitive nel rilevamento.
- L'articolo è disponibile su arXiv con ID 2605.10988.
Entità
Istituzioni
- arXiv