## Memo - おそらくNeurIPS'24の論文。 ## Memo with LLM ## Abstract マイクロサービスシステムにおける障害の根本原因を特定するには、根本原因分析（RCA）が不可欠である。従来のデータ駆動型RCA手法は、高い計算能力を必要とするため、通常はオフラインアプリケーションに限定される。また、既存のオンラインRCA手法は単一モーダルデータのみを処理し、マルチモーダルシステムにおける複雑な相互作用を見落としてしまう。本稿では、根本原因の特定を目的とした、新しいオンライン多様モード因果構造学習手法であるOCEANを紹介する。OCEANは、拡張型畳み込みニューラルネットワークを用いて長期的な時間依存関係を捉え、[[Graph Neural Network|グラフニューラルネットワーク]]を用いてシステムエンティティと主要業績評価指標間の因果関係を学習する。さらに、オンライン因果グラフ学習の精度を高めるために、異なるメトリクスとログ指標/属性間の関係を分析し、再評価する多因子アテンションメカニズムを設計する。さらに、コントラスト相互情報量最大化に基づくグラフ融合モジュールを開発し、さまざまなモダリティ間の関係を効果的にモデル化する。3つの実世界データセットを用いた広範な実験により、提案した手法の有効性と効率性が実証された。