Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://elar.urfu.ru/handle/10995/140511
Название: Обнаружение аномалий на основе данных трассировки и журналов в процессе разработки программного обеспечения с использованием машинного обучения : магистерская диссертация
Другие названия: Anomaly Detection Based on Trace Data and Logs in Software Development Using Machine Learning
Авторы: Катин, В. В.
Katin, V. V.
Научный руководитель: Чернышов. Ю. Ю.
Chernyshov, Yu. Yu.
Дата публикации: 2024
Издатель: б. и.
Библиографическое описание: Катин, В. В. Обнаружение аномалий на основе данных трассировки и журналов в процессе разработки программного обеспечения с использованием машинного обучения : магистерская диссертация / В. В. Катин ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления. — Екатеринбург, 2024. — 78 с. — Библиогр.: с. 67-72 (38 назв.).
Аннотация: Целью данной работы является разработка программного обеспечения для генерации данных журналов и трассировки ИТ систем, а также создание модели машинного обучения для обнаружения аномалий в подобных данных. Объектом исследования являются процессы мониторинга и управления IT-операциями. В работе исследуются методы машинного обучения и анализа данных для обнаружения аномалий в реальном времени. Были разработаны тестовый стенд для генерации событий журналов и трассировок, а также алгоритм для анализа и обнаружения аномальных событий, что позволяет оптимизировать процессы управления IT-операциями и повысить надежность систем. Результаты могут быть использованы в дальнейших работах по теме поиска аномалий в данных журналов и данных трассировки ИТ систем.
The aim of this work is to develop software for generating log and trace data of IT systems, as well as to create a machine learning model for detecting anomalies in such data. The object of the research is the processes of monitoring and managing IT operations. The study explores machine learning methods and data analysis for real-time anomaly detection. A test bench was developed for generating log and trace events, along with an algorithm for analyzing and detecting anomalous events, which optimizes IT operations management processes and improves system reliability. The results can be used in further work on the topic of anomaly detection in log and trace data of IT systems.
Ключевые слова: MASTER'S THESIS
AIOPS
MACHINE LEARNING
TEXT ANALYSIS
ARTIFICIAL INTELLIGENCE
IT SYSTEMS MONITORING
DATA ANOMALIES
NEURAL NETWORKS
DATA COLLECTION
FAILURE PREDICTION
PROCESS AUTOMATION
ANOMALY DETECTION
МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
AIOPS
МАШИННОЕ ОБУЧЕНИЕ
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
МОНИТОРИНГ IT-СИСТЕМ
НЕЙРОННЫЕ СЕТИ
АНОМАЛИИ В ДАННЫХ
СБОР ДАННЫХ
АНАЛИЗ ДАННЫХ
ПРОГНОЗИРОВАНИЕ ОТКАЗОВ
АВТОМАТИЗАЦИЯ ПРОЦЕССОВ
ОБНАРУЖЕНИЕ АНОМАЛИЙ
URI: http://elar.urfu.ru/handle/10995/140511
Условия доступа: Предоставлено автором на условиях простой неисключительной лицензии
Текст лицензии: http://elar.urfu.ru/handle/10995/31613
Располагается в коллекциях:Магистерские диссертации

Файлы этого ресурса:
Файл Описание РазмерФормат 
m_th_v.v.katin_2024.pdf2,95 MBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.