Sistem loglarından anomali tespiti için makine öğrenimine dayalı algoritmaların geliştirilmesi

Günümüzde bilgisayar sistemlerinin hayatımızın her anına etki etmesiyle sürdürülebilirliğinin ve güvenliğinin sağlanması büyük önem kazanmıştır. Bunu sağlamak için sistemlerin ürettiği günlüklerden yararlanabiliriz. Günlüklerdeki anomaliler tespit edilerek gereken önlemler alınabilir. Sistem günlükleri çoğunlukla büyük hacimlidirler. Manuel olarak günlük dosyalarının incelenmesi zaman alacaktır ve alınması gereken önlemlerin gecikmesine neden olabilirler. Günlüklerin toplanması, analiz edilmesi ve anomalilerin tespiti ile ilgili birçok çalışma yapılmıştır. Bu çalışmada literatürde çok sık kullanılan HDFS ve BGL veri kümeleri üzerinde GNN kullanarak anomali tespiti çalışması yapılmıştır. Bunun yanında literatürdeki çalışmalarda aynı veri kümeleri ile elde edilen diğer makine öğrenme (ML) teknikleri ile elde edilen performanslar karşılaştırılmıştır. HDFS veri kümesi için 0,9969 F-skoru ve BGL veri kümesi için 0,9999 F-skoru sonuçları elde edilmiştir. Çalışmamızın LogGD çalışmasındaki sonuçlara göre daha başarılı olduğu gözlemlenmiştir. GNN'ler sistem günlüklerindeki bağlamsal özellikleri düğümler aracılığı ile daha iyi yakalayarak sınıflandırmada diğer modellere göre daha kararlıdırlar.