## Memo ## Abstract システムログは、ある瞬間のシステムの状態と動作を記録し、システムの問題とその改善を理解するために不可欠なリソースである。ログの異常検知は、システム障害を検知・防止するための重要な要素です。[[AIOps]]の研究者は、機械学習モデルに基づく多くの成功したログ異常検出方法を提案してきました。しかし、これらの手法はログ間の既存の依存関係を考慮しモデル化していません。最近、ログとその依存関係をグラフ構造にモデル化するグラフベースのログ異常検知手法がいくつか提案されている。本稿では、既存のグラフベースのログ異常検知手法を簡単にレビューする。また、ログシーケンスからグラフを構築する新しいアプローチであるLogGCと、グラフニューラルネットワークを用いたグラフ分類によるログ異常検知を提案する。公開されている3つのデータセットでLogGCの広範な実験評価を行い、提案手法が2つのベンチマークデータセットで全てのアプローチを、そして3つ全てで全てのグラフベースの手法を凌駕することを示す。