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 | Size | Format | |
---|---|---|---|---|
m_th_v.v.katin_2024.pdf | 2,95 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.