## Memo - Google Alertより - Alibabaの論文 - ネットワークの深さが増すと、ソースノードからルートノードまでの因果経路を通じてエラーが伝播する可能性に言及している - ラベルが足りていないので、[[Data Augmentation]]を提案している。興味深い。 ## Abstract ネットワーク障害の[[Root cause|根本原因]]を特定することは、ネットワークの運用・保守において非常に重要です。しかし、複雑なネットワークアーキテクチャや無線環境、限られたラベル付けされたデータにより、真の根本原因を正確に特定することは困難である。本論文では、この問題に対処するために、NetRCAと名付けた新しいアルゴリズムを提案する。まず、時間的特徴、方向的特徴、属性的特徴、相互作用的特徴を考慮し、オリジナルの生データから効果的な派生特徴を抽出する。次に、多変量時系列類似性とラベル伝搬法を用いて、ラベル付きデータとラベル無しデータの両方から新しい学習データを生成し、ラベル付きサンプルの不足を克服する。第三に、[[XGBoost]]、ルールセット学習、アトリビューションモデル、グラフアルゴリズムを組み合わせた[[アンサンブル学習]]モデルを設計し、すべてのデータ情報を十分に活用することで性能を向上させる。最後に、ICASSP 2022 AIOps Challengeの実世界データセットに対して実験と分析を行い、我々のアプローチの優位性と有効性を実証する。 [[2022__ ICASSP__NetRCA―An Effective Network Fault Cause Localization Algorithm__translations]]