论文阅读：Finding Anomalies in Network System Logs with Latent Variables

Big-DAMA '18 Proceedings of the 2018 Workshop on Big Data Analytics and Machine Learning for Data Communication Networks

研究点的提出

系统日志可以帮助网络管理员识别网络上的异常内容，但是往往因为海量日志及其多样性的特征使得分析十分困难。在此提出了一种不需要特征提取和预处理的日志异常事件处理机制。

传统工作

首先按照消息类型（即日志模板）对日志进行分类，然后将它们视为统计时间序列，以便稍后通过统计分析进行处理。

传统基于特征选取，考虑环境，不适用于新环境

对比实验

知识点

自动编码器

• 无监督的神经网络模型，它可以学习到输入数据的隐含特征，这称为编码(coding)，同时用学习到的新特征可以重构出原始输入数据，称之为解码(decoding)。

• 可以用于特征降维

• 变分编码器：生成模型，

• 条件变分自编码器：

论文内容

定义异常行为：时间序列行为偏离日志时间序列中的正常或通常状态

通过使用潜在变量将大量不同的数据嵌入隐藏状态

key idea： model log time series chara