自律制御ループ方式における事象分類方式の提案

• Item type: SIG Technical Reports(1)
• 公開日: 2022-05-12
• タイトル: 自律制御ループ方式における事象分類方式の提案
• タイトル / 言語: en
• タイトル: Anomaly Event Classification Method using Observability Data in Autonomous Control Loop
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ICM
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 日本電信電話株式会社NTTネットワークイノベーションセンタ
• 著者所属: 日本電信電話株式会社NTTネットワークイノベーションセンタ
• 著者所属: 日本電信電話株式会社NTTネットワークイノベーションセンタ
• 著者所属: 日本電信電話株式会社NTTネットワークイノベーションセンタ
• 著者所属(英): en
• 著者所属(英): NTT Network Innovation Center, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Network Innovation Center, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Network Innovation Center, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Network Innovation Center, NTT Corporation
• 著者名: 佐々木, 幸次; 酒井, 優; 高橋, 謙輔; 近藤, 悟
• 著者名(英): Yukitsugu, Sasaki; Masaru, Sakai; Kensuke, Takahashi; Satoshi, Kondou
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 保全オペレーションの機能を部品化することで各運用部品が自律的に動作する自律制御ループ方式が提案されている．対象サービスを監視し，サービスへの新機能の追加や仕様変更・障害発生に対して，自律的な追従や自動復旧の実現を目指している．先行研究では Logs/Metrics/Tracing と呼ばれる可観測性データを活用するための情報取得方式等については提案されてきたが，障害発生時の具体的な対応方式については提案されていない．障害発生時の対応では可観測性データを活用し，ランダムフォレストといった機械学習モデルを利用することで 過去に対応した障害に対して決められた機能を動作させる方式が考えられるが，教師あり学習の機械学習モデルでは事前に学習した障害のうち必ずいずれかの障害に振り分けてしまうことで，未知の障害が発生した際に適切なワーカを動作させることができないといった課題が存在する．本稿では前述の課題を解決するため，教師なし学習のクラスタリング及び one-vs-one を採用した既知事象と未知事象の判定を行う，障害発生時の事象分類方式について提案する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: An autonomous control loop system has been proposed in which each operation part operates autonomously by making the function of maintenance operation into parts. It monitors the object service, and it aims at realization of autonomous tracking and automatic recovery for addition of new function to the service, specification change and failure generation. In the previous research, the information acquisition method for utilizing observability data called Logs/Metrics/Tracing, etc. has been proposed, but the concrete correspondence method in the failure has not been proposed. In response to failures, observability data can be used and machine learning models such as random forests can be used to operate predetermined functions for failures corresponding to the past. However, machine learning models of supervised learning must be assigned to any failure among failures learned in advance, and it is difficult to operate appropriate workers when anomaly events occur. In this paper, we propose an event classification method at failure occurrence using clustering of unsupervised learning and one-vs-one to judge known and anomaly events.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12326962
• 書誌情報: 研究報告インターネットと運用技術（IOT）; 巻 2022-IOT-57, 号 20, p. 1-5, 発行日 2022-05-12
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8787
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会