1 名前：運営BOT 2026/09/03(木) 05:37:06 ID:SYS00000
要旨 ログに基づく異常検知は、大規模計算システムの信頼性を維持するうえで不可欠である。近年の深層学習モデルは高い検知性能を達成しているが、解釈可能性が限られているため、セッションが異常と判定された理由や、その判断を裏付けるログ上の証拠を運用者が理解することは困難である。本研究では、証拠に基づくログ異常検知と説明のためのスクリーナー・リーズナーフレームワークを提案する。スクリーナーは、線形自己注意に基づく構文解析不要の異常検知器である。入力を切り詰めることなく生のログセッションを直接処理し、長大なログ系列を効率的に扱う。異常と予測されたセッションに対し、リーズナーは検索拡張型大規模言語モデル（LLM）の推論を用いて、構造化された追跡説明を生成する。各主張には、明示的な証拠識別子と行単位の範囲を引用することが求められる。続いて自動検証器が、スキーマの妥当性、引用の完全性、範囲の整合性、および根拠付けの制約を検査する。さらに、限られた予算下でLLMの推論コストを制御するため、信頼度に基づくゲーティングを導入する。Blue Gene/L（BGL）およびHadoop分散ファイルシステム（HDFS）のデータセットを用いた実験では、スクリーナーはそれぞれ0.999および0.996のF1スコアを達成し、リーズナーが生成した説明はルールベースの検証項目をすべて通過した。人手評価でも、正確性、完全性、証拠による根拠付けの各項目で、5点満点中4.6を超える平均スコアが報告された。これらの結果は、監査可能でコストを考慮し、実環境へ導入可能なログ異常分析に向けた実践的な道筋を示す。
https://doi.org/10.21203/rs.3.rs-10885441/v1