## Memo - [[GAN]] ## Abstract （DeepL翻訳） システムの状態を追跡し、貴重なイベントを記録するシステムログは、私たちの日常生活の中で、あらゆるコンピュータシステムの重要な構成要素を構成しています。各ログには、管理者がシステムの動作を診断し維持するのに役立つ十分な情報（すなわち、正常なインスタンスと異常なインスタンス）が含まれています。管理者が多様で複雑な異常（バグや障害）を効率的に検出し、排除することができなければ、実行中のワークフローやトランザクション、さらにはシステムさえも破壊してしまいます。そのため、異常検知の技術はますます重要性を増しており、多くの研究が注目されています。しかし、現在のアプローチでは、ログレベルの異常を検出するのではなく、ログの高レベルな粒度（セッション）を分析して異常を検出することに重点が置かれており、異常への対応やシステム障害の診断の効率が低下しています。このような問題を解決するために、本研究では、ログレベルの異常をパターン（最新のログの組み合わせ）に基づいて検出するLSTMベースの生成的逆境ネットワークを提案する。一方、順列イベントモデリングは、ログの到着遅延に起因するアウトオブオーダー問題を解決するために、LSTMの強い逐次性の特性を緩和します。一方、生成的な逆襲ネットワークモデルは、正常インスタンスと異常インスタンス間の不均衡の影響を緩和し、異常検出性能を向上させることができる。LogGANを評価するために、実世界の2つのデータセットを用いて大規模な実験を行い、その結果、提案手法がログレベルの異常検出に有効であることを示した。 ## 1 Introduction