## Memo ## Memo with LLM ### 論文情報 - **論文のタイトル**: Anomaly Diagnosis with Siamese Discrepancy Networks in Distributed Cloud Databases - **著者と所属**: Lingsen Yan, Bolong Zheng, Junjie Qing, Wenlong You, Tingyang Chen, Zhi Xu, Shuncheng Liu, Kai Zeng, Tao Ye, Xiaofang Zhou - **カンファレンス/ジャーナル名**: 2025 IEEE 41st International Conference on Data Engineering (ICDE) - **発表年**: 2025 ## Abstract 異常診断は、分散型クラウドデータベースの運用と保守における根本的な課題です。既存の深層学習ベースの手法は、異なる根本原因を持つ異常を分類することでこの問題を解決しています。しかし、異常は稀に発生し、同じ根本原因を持つ異常でも、異なるクラウドデータベースクラスター間で著しく異なる動作を示すため、既存の手法は十分な訓練データが不足しており、一部のクラスターから他のクラスターへの汎化性能が不十分です。そのため、異常データと正常データを共に考慮するアプローチを採用します。これは、異常データと正常データ間の乖離が、異常データ自体の行動に比べて相対的に一貫しているという観察に基づいています。本研究では、訓練データが少量しか利用できない場合でも、このような不一致の表現を学習するためのSiamese Discrepancy Network（SDN）を設計しました。さらに、SDNの訓練データ構築と、SDNが学習した不一致の表現に基づく診断を行うための不一致ベースの診断パラダイムを提案しました。最後に、SDNに基づく異常解釈手法を開発し、症状KPIと根本原因KPIを正確に特定する方法を提案しました。合成データと実世界データの両方で広範な実験を実施しました。実験結果は、提案手法が異常診断と異常解釈において既存手法を凌駕することを示しています。特に、異常診断フレームワークは既にHuaweiのGaussDB（DWS）システムに適用されています。