Knowledge mining of large-scale network operational data for troubleshooting and predictive analysis
Project/Area Number |
19K20262
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 60060:Information network-related
|
Research Institution | National Institute of Informatics |
Principal Investigator |
Kobayashi Satoru 国立情報学研究所, アーキテクチャ科学研究系, 特任研究員 (40824107)
|
Project Period (FY) |
2019-04-01 – 2021-03-31
|
Project Status |
Completed (Fiscal Year 2020)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2019: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
Keywords | ネットワーク運用 / データマイニング / 因果推論 / 転移学習 / ログ解析 / 異常検知 / インターネット / 知識ベ一スシステム |
Outline of Research at the Start |
大規模ネットワークの運用支援のため障害の検知や原因究明を実現するには、運用データから機械的に情報抽出を行う必要がある。本研究では因果推論に基づく解析技術により運用データからシステムの振る舞いをより直感的な形で抽出する技術の確立を目指す。特に多様な運用データをスケーラブルに扱うドメイン間因果推論技術、および過去の振る舞いを元に情報の具体化や予兆解析を実現する因果知識ベースの技術の開発に取り組む。
|
Outline of Final Research Achievements |
In this research, we proposed a new analysis approach for network operational data on the basis of causal inference, to help troubleshooting of large-scale networks. We proposed two analysis frameworks: "amulog", a general log analysis framework to estimate log templates and classify messages with them in online processing, and "logdag", a causal analysis framework designed for network operational data including logs and measured SNMP data. The proposed technology will help operators to extract contextual information in operational data automatically.
|
Academic Significance and Societal Importance of the Research Achievements |
ネットワーク運用データに見られるシステムの振る舞いが、データからより直感的な関係性として示されあるいは視覚化することが可能となり、ネットワーク障害の実態を素早く把握し対処する上で大きな助けになると期待される。また特にログ解析に関する知見はネットワーク以外のシステム運用分野にも応用可能であり、データドリヴンなシステム運用自動化を助ける重要な技術として幅広く活用されることが期待される。
|
Report
(3 results)
Research Products
(9 results)