[控场AI]
论文LogCDM检测器

LogCDM

一种轻量级日志异常检测方法,融合因果Transformer惊奇度、图注意力结构距离与转移漂移卡方散度三种信号,通过sigmoid门控融合,支持逐边可解释告警与CPU实时部署。

时间轴 (近 90 天)

11月10日

LogCDM 使用仅 8.1-8.8M 参数的小型检测器,在 CPU 上以 5.5-10.5 毫秒完成单会话评分。

待验证50%
11月10日

LogCDM 在 HDFS 数据集上取得 0.984 的 F1 分数。

待验证50%
11月10日

LogCDM 在按时间顺序划分的 BGL 数据集上取得 0.870 的 F1 分数。

待验证50%
11月10日

LogCDM 在 Thunderbird 数据集上取得 0.850 的 F1 分数。

待验证50%
11月10日

一个 8.1B 参数的 LLM 检测器在统一评估协议下的 F1 成绩与 LogCDM 相差仅 0.013-0.12。

待验证50%
11月10日

在 BGL 数据集上,LogCDM 超过了所有紧凑型基线。

待验证50%
11月10日

LogCDM 的核心设计是将三种互补信号(下一事件惊奇度、图注意力嵌入与参考图距离、转移漂移统计量)交给一个 sigmoid 门控来融合。

待验证50%
11月10日

论文证明 LogCDM 的转移漂移统计量恰好是转移核之间的频率加权卡方散度。

待验证50%
11月10日

在共享协方差高斯模型下,LogCDM 的 sigmoid 门控等价于贝叶斯后验。

待验证50%
11月10日

消融实验显示,结构信号在 BGL 和 Thunderbird 上带来 0.025-0.030 的 F1 增益,但在 HDFS 上几乎无贡献。

待验证50%

还有 1 条时间轴事件

全部知识事实 (11)

来源文章