## Memo ## Abstract 人工知能オペレーション（AIOps）は、システムの異常な動作やアラートの特定、緩和、分析において極めて重要な役割を果たす。しかし、この分野の研究状況は依然として限定的であり、未解明の重要なギャップが残されている。本研究では、教師なし戦略を組み込んだ革新的アルゴリズムを通じて、新しいハイブリッドフレームワークを導入する。この戦略は、主成分分析（[[主成分分析|PCA]]）と人工ニューラルネットワーク（ANN）を統合し、ログの異常検知の有効性を大幅に強化するためにカスタム損失関数を使用する。提案されたアプローチは、[[Sock Shop]]とHadoop分散ファイルシステム（[[HDFS]]）からのログを含む、シミュレートされたデータセットと実世界のデータセットの両方を利用する。実験結果は非常に有望であり、擬陽性の大幅な削減を実証している。さらに、この戦略には、未処理の生のログを処理する能力や、さらなる拡張の可能性など、注目すべき利点がある。このアプローチの成功は、異常ログの顕著な減少を示し、提案された方法論の有効性を明白に立証した。最終的に、本研究は、AIOpsプラットフォームにおけるログ異常検知の進歩に大きく貢献し、最新の複雑なシステムにおける効果的かつ効率的なログ解析の重要なニーズに対応する。