Please use this identifier to cite or link to this item: http://elar.urfu.ru/handle/10995/140511
Title: Обнаружение аномалий на основе данных трассировки и журналов в процессе разработки программного обеспечения с использованием машинного обучения : магистерская диссертация
Other Titles: Anomaly Detection Based on Trace Data and Logs in Software Development Using Machine Learning
Authors: Катин, В. В.
Katin, V. V.
metadata.dc.contributor.advisor: Чернышов. Ю. Ю.
Chernyshov, Yu. Yu.
Issue Date: 2024
Publisher: б. и.
Citation: 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.).
Abstract: 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.
Keywords: 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
Access: Предоставлено автором на условиях простой неисключительной лицензии
License text: http://elar.urfu.ru/handle/10995/31613
Appears in Collections:Магистерские диссертации

Files in This Item:
File Description SizeFormat 
m_th_v.v.katin_2024.pdf2,95 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.