计算机科学>机器学习
标题: LogGPT:通过GPT检测日志异常
摘要: 基于日志数据检测系统异常对于确保计算机系统的安全性和可靠性至关重要。 近年来,深度学习模型被广泛应用于测井异常检测。 其核心思想是将日志序列建模为自然语言,并采用LSTM或Transformer等深层序列模型,通过语言建模对日志序列中的正常模式进行编码。 然而,语言建模和异常检测之间存在差距,因为通过语言建模丢失训练序列模型的目标与异常检测没有直接关系。 为了填补这一空白,我们提出了LogGPT,这是一种使用GPT进行日志异常检测的新框架。 首先训练LogGPT根据前面的序列预测下一个日志条目。 为了进一步提高LogGPT的性能,我们提出了一种新的强化学习策略,以针对日志异常检测任务对模型进行微调。 在三个数据集上的实验结果表明,LogGPT显著优于现有的最新方法。