一种全新的日志异常检测评估框架：LightAD
💡
原文中文，约2500字，阅读约需6分钟。
📝
内容提要
本文介绍了一种名为LightAD的日志异常检测评估框架，通过自动化超参数调优实现公正比较。作者评估了深度学习和轻量级机器学习方法在五个数据集上的性能，结果显示轻量级机器学习方法更高效准确。作者还提出了基于贝叶斯优化器的多目标优化公式，用于选择最佳异常检测算法。该研究成果已被ICSE 2024录用。
🎯
关键要点
-
本文介绍了一种名为LightAD的日志异常检测评估框架，通过自动化超参数调优实现公正比较。
-
深度学习方法在日志异常检测中表现出色，但计算成本和时间效率较低，限制了其在在线分布式云系统中的应用。
-
LightAD框架通过评估轻量级传统机器学习方法与深度学习方法在五个数据集上的性能，发现轻量级方法在时间效率和准确性上优于深度学习方法。
-
在现有方法的评估中，轻量级传统机器学习方法在F1-Score得分上优于深度学习方法，且数据处理时间显著更短。
-
LightAD框架基于贝叶斯优化器，综合考虑准确性、训练时间和推断时间，选择最佳异常检测算法。
-
研究成果已被软件工程领域顶会ICSE 2024正式录用，文章详细内容即将公开。
➡️
