Datapohjainen ohjelmistojärjestelmien lokianomalian tunnistus

Nykyaikaiset ohjelmistot tuottavat valtavia määriä lokidataa – yksityiskohtaisia tietoja kaikesta, mitä järjestelmä tekee. Nämä lokit ovat elintärkeitä virheiden havaitsemisessa, suorituskyvyn valvonnassa ja tietoturvauhilta suojautumisessa. Lokien koon ja monimutkaisuuden kasvaessa ihmisten on mahdotonta käydä niitä läpi. Tässä väitöskirjassa esitetään, miten automaattisten työkalujen avulla voidaan tehokkaasti ja nopeasti tunnistaa poikkeamia järjestelmän lokeista. Työssä arvioidaan uusia lähestymistapoja julkisesti saatavilla olevissa lokiaineistoissa. Työ esittelee nopean ja skaalautuvan lokijäsentimen, joka erottaa nopeasti jokaisen viestin "rungon" sen muuttuvista yksityiskohdista. Työ myös esittelee uuden tavan mitata jäsentimen tarkkuutta aina merkkitasolle asti, jotta kehittäjät voivat valita tarpeisiinsa parhaiten sopivan jäsentimen. Väitöskirjatutkimuksessa rakennetaan Siamese-verkkomallin, joka pysyy vakaana myös lokien muuttuessa ajan myötä. Lopuksi työ esittelee päästä päähän-syväoppimismenetelmän, joka analysoi lokitekstiä mukaan lukien kirjaimet, numerot ja välimerkit. Tämä menetelmä mahdollistaa tehokkaan poikkeamien havaitsemisen usessa ja suppeissakin data-aineistoissa. Kokonaisuudessa työn tulokset edistävät automatisoitua lokianalyysiä tekemällä siitä nopeampaa, mukautuvampaa ja tarkempaa.