Detekce anomálií na základě stavu RQA systému

Název anglicky

RQA System Anomaly Detection

Jazyk práce

český

Abstrakt

Cílem práce je navržení a implementace modelu strojového učení pro detekci anomálií v systému RQA firmy Y Soft. Vzhledem k architektuře mikroslužeb se anomálií rozumí opakovaně nezvyklá délka zpracování požadavků jednotlivými službami nebo výrazně odlišná chybovost. Práce popisuje aktuální způsob sběru dat v systému a řeší otázku, jaká data vypovídají o jeho stavu. Navrhuje vhodný formát ukládání těchto dat pro jejich následnou analýzu. Dále představuje algoritmy běžně používané k řešení problému detekce anomálií. V rámci práce je proveden návrh a implementace detekce anomálií s využitím shlukové analýzy a statistických metod. Na závěr je vyhodnocena kvalita detekce a dosažené výsledky.

Klíčová slova

dolování dat, datová analýza, strojové učení, detekce anomálií, shluková analýza, statistika, .NET, monitorování

Ústav

Ústav informačních systémů FIT VUT v Brně

Studijní program

Informační technologie

Soubory

Stav

obhájeno, hodnocení A

Obhajoba

18. června 2021

Oponent

Jeřábek Kamil, Ing., Ph.D.

Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných (smysl či uplatnění realizačního výstupu, požadavků na mikroslužby, příkladu anomálního toku požadavků). Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A - výborně.

Otázky u obhajoby

- Může nastat, že některé hodnoty v datech z reálného systému, nutné pro detekci, mohou v datech chybět? Pokud ano, jak jsou tato data klasifikována?
- Může v části zabývající se chybovostí požadavků nastat případ, že v daném testovaném rozsahu bude oproti referenčnímu stavu naprosto minimální počet chyb? Bude se v takovémto případě jednat také o anomálii?

Komise

Kolář Dušan, doc. Dr. Ing. (UIFS FIT VUT), předseda
Burgetová Ivana, Ing., Ph.D. (UIFS FIT VUT), člen
Fučík Otto, doc. Dr. Ing. (UPSY FIT VUT), člen
Hrubý Martin, Ing., Ph.D. (UITS FIT VUT), člen
Španěl Michal, Ing., Ph.D. (UPGM FIT VUT), člen

Citace

LORENC, Jan. Detekce anomálií na základě stavu RQA systému. Brno, 2021. Bakalářská práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2021-06-18. Vedoucí práce Pluskal Jan. Dostupné z: https://www-dev.fit.vutbr.cz/study/thesis/23935/

BibTeX

@bachelorsthesis{FITBT23935,
    author = "Jan Lorenc",
    type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce",
    title = "Detekce anom\'{a}li\'{i} na z\'{a}klad\v{e} stavu RQA syst\'{e}mu",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2021,
    location = "Brno, CZ",
    language = "czech",
    url = "https://www.fit.vut.cz/study/thesis/23935/"
}