## Memo ## Structure ### 1. Standpoints ### 2. Contributions ### 3. Results ### 4. Methods ### 5. Discussions & Limitations ## Abstract マイクロサービスアーキテクチャは、大規模なインターネットシステムで広く採用されている。各ユーザーのリクエストに対して、いくつかのマイクロサービスが呼び出され、マイクロサービス間のツリー状の呼び出し依存関係と、各呼び出しノードでの時間消費を記録するトレースが形成される。トレースはシステム障害の診断に有用であるが、その複雑な構造から、そのパターンのモデル化や異常の検出が困難である。本論文では、マイクロサービスのトレースに対する教師なし異常検出のための新しい2変数グラフ変分オートエンコーダ([[VAE]])を提案する。ノードの時間消費量を再構築するために、我々は新しいディスパッチ層を提案する。我々は、いくつかの異常なサンプルに対して、負の対数尤度（NLL）の反転が現れることを発見し、これが異常検出のための異常スコアを実現できなくしていることを明らかにした。これを解決するために、我々はNLLがKL-ダイバージェンスとデータエントロピーに分解できること、一方、低次元の異常は正常な入力とのエントロピーギャップをもたらす可能性があることを指摘する。このエントロピーのギャップを緩和する3つの手法を提案し、トレース異常の検出を行う。ベルヌーイ・カテゴリ・スケーリング、ノード数正規化、ガウシアンStd-Limitである。あるインターネット企業の5つのトレースデータセットにおいて、我々の提案するTrace- VAEは優れたFスコアを達成した。 ## 1. Introduction