LogCDM：通过行为图漂移和自适应信号融合进行可解释的日志异常检测

原文：LogCDM: Interpretable Log Anomaly Detection via Behavioral Graph Drift and Adaptive Signal Fusion

基于日志的异常检测越来越以大型预训练模型为主，从 BERT 规模的编码器到 8B 参数语言模型，这些模型在推理时需要 GPU，并且很难部署在产生日志的监控节点上。我们提出了 LogCDM，这是一种紧凑型检测器，它使用三个互补信号对每个日志会话进行评分：小因果 Tr 的下一个事件惊喜

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。