JPWO2018142703A1 - 異常要因推定装置、異常要因推定方法及びプログラム - Google Patents
異常要因推定装置、異常要因推定方法及びプログラム Download PDFInfo
- Publication number
- JPWO2018142703A1 JPWO2018142703A1 JP2018565942A JP2018565942A JPWO2018142703A1 JP WO2018142703 A1 JPWO2018142703 A1 JP WO2018142703A1 JP 2018565942 A JP2018565942 A JP 2018565942A JP 2018565942 A JP2018565942 A JP 2018565942A JP WO2018142703 A1 JPWO2018142703 A1 JP WO2018142703A1
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- metric
- numerical vector
- detection
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 52
- 230000002159 abnormal effect Effects 0.000 title claims description 10
- 239000013598 vector Substances 0.000 claims abstract description 126
- 230000005856 abnormality Effects 0.000 claims abstract description 123
- 238000001514 detection method Methods 0.000 claims abstract description 108
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000013500 data storage Methods 0.000 description 31
- 238000012805 post-processing Methods 0.000 description 30
- 238000012545 processing Methods 0.000 description 25
- 238000007781 pre-processing Methods 0.000 description 22
- 238000010606 normalization Methods 0.000 description 13
- 238000004886 process control Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/30003—Arrangements for executing specific machine instructions
- G06F9/30007—Arrangements for executing specific machine instructions to perform operations on data operands
- G06F9/30036—Instructions to perform operations on packed data, e.g. vector, tile or matrix operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
Description
γ1_i=(x_i−μ_i)/σ_i
続いて、後処理部17は、γ1_iの絶対値が予め定められた閾値を超えたメトリックiを抽出する(S303)。続いて、後処理部17は、抽出されたメトリックiを異常の要因候補として、当該メトリックiのID(識別子)と、当該メトリックiの外れ度合いγ1_iとの一覧を、異常の要因を推定するための情報として出力する(S304)。なお、出力順は、外れ度合いγ1_iの降順でもよい。
γ2_i=y_i−x_i
続いて、後処理部17は、γ2_iの絶対値が予め定められた閾値を超えたメトリックiを抽出する(S403)。続いて、後処理部17は、抽出されたメトリックiを異常の要因候補として、当該メトリックiのIDと、当該メトリックiの外れ度合いγ2_iとの一覧を、異常の要因を推定するための情報として出力する(S404)。なお、出力順は、外れ度合いγ2_iの降順でもよい。
11 受信部
12 学習処理制御部
13 前処理部
14 学習部
15 検知処理制御部
16 検知部
17 後処理部
20 測定装置
100 ドライブ装置
101 記録媒体
102 補助記憶装置
103 メモリ装置
104 CPU
105 インタフェース装置
121 教師データ記憶部
122 パラメータ記憶部
123 観測データ記憶部
124 学習結果記憶部
125 学習データ記憶部
B バス
N1 ネットワーク
Claims (8)
- 異常の検知対象が正常である場合に前記検知対象から得られる第1の数値ベクトルを学習した学習器と、前記検知対象から複数のタイミングで得られる第2の数値ベクトルとに基づいて、前記検知対象の異常を検知する検知部と、
異常が検知された前記第2の数値ベクトルのメトリックごとに、当該メトリックの値から前記第1の数値ベクトルにおける当該メトリックの平均を差し引いた結果を、前記第1の数値ベクトルにおける当該メトリックの標準偏差で除することで得られる値を、当該異常の要因のメトリックを推定するための情報として算出する第1の算出部と、
を有することを特徴とする異常要因推定装置。 - 異常の検知対象が正常である場合に前記検知対象から得られる第1の数値ベクトルを学習した学習器と、前記検知対象について複数のタイミングで得られる第2の数値ベクトルとに基づいて、前記検知対象の異常を検知する検知部と、
異常が検知された前記第2の数値ベクトルのメトリックごとに、当該メトリックの値と、当該第2の数値ベクトルを前記学習器に入力して得られる数値ベクトルの当該メトリックの値との差分を、当該異常の要因のメトリックを推定するための情報として算出する第2の算出部と、
を有することを特徴とする異常要因推定装置。 - 異常の検知対象が正常である場合に前記検知対象から得られる第1の数値ベクトルを学習した学習器と、前記検知対象について複数のタイミングで得られる第2の数値ベクトルとに基づいて、前記検知対象の異常を検知する検知部と、
異常が検知された前記第2の数値ベクトルについて、前記検知部によって異常が検知されない第3の数値ベクトルを探索し、当該第2の数値ベクトルと前記第3の数値ベクトルとのメトリックごとの差分を、当該異常の要因のメトリックを推定するための情報として算出する第3の算出部と、
を有することを特徴とする異常要因推定装置。 - 異常の検知対象が正常である場合に前記検知対象から得られる第1の数値ベクトルを学習した学習器と、前記検知対象について複数のタイミングで得られる第2の数値ベクトルとに基づいて、前記検知対象の異常を検知する検知部と、
第1の算出部、第2の算出部及び第3の算出部のうちのいずれか2以上と、
第4の算出部とを有し、
前記第1の算出部は、異常が検知された前記第2の数値ベクトルのメトリックごとに、当該メトリックの値から前記第1の数値ベクトルにおける当該メトリックの平均を差し引いた結果を、前記第1の数値ベクトルにおける当該メトリックの標準偏差で除することで得られる値を算出し、
前記第2の算出部は、異常が検知された前記第2の数値ベクトルのメトリックごとに、当該メトリックの値と、当該第2の数値ベクトルを前記学習器に入力して得られる数値ベクトルの当該メトリックの値との差分を算出し、
前記第3の算出部は、異常が検知された前記第2の数値ベクトルについて、前記検知部によって異常が検知されない第3の数値ベクトルを探索し、当該第2の数値ベクトルと前記第3の数値ベクトルとのメトリックごとの差分を算出し、
前記第4の算出部は、前記第1の算出部によって算出される値と、前記第2の算出部によって算出される差分と、前記第3の算出部によって算出される差分とのいずれか2以上に基づいて、前記異常の要因のメトリックを推定するための情報を算出する、
ことを特徴とする異常要因推定装置。 - 異常の検知対象が正常である場合に前記検知対象から得られる第1の数値ベクトルを学習した学習器と、前記検知対象から複数のタイミングで得られる第2の数値ベクトルとに基づいて、前記検知対象の異常を検知する検知手順と、
異常が検知された前記第2の数値ベクトルのメトリックごとに、当該メトリックの値から前記第1の数値ベクトルにおける当該メトリックの平均を差し引いた結果を、前記第1の数値ベクトルにおける当該メトリックの標準偏差で除することで得られる値を、当該異常の要因のメトリックを推定するための情報として算出する第1の算出手順と、
をコンピュータが実行することを特徴とする異常要因推定方法。 - 異常の検知対象が正常である場合に前記検知対象から得られる第1の数値ベクトルを学習した学習器と、前記検知対象について複数のタイミングで得られる第2の数値ベクトルとに基づいて、前記検知対象の異常を検知する検知手順と、
異常が検知された前記第2の数値ベクトルのメトリックごとに、当該メトリックの値と、当該第2の数値ベクトルを前記学習器に入力して得られる数値ベクトルの当該メトリックの値との差分を、当該異常の要因のメトリックを推定するための情報として算出する第2の算出手順と、
をコンピュータが実行することを特徴とする異常要因推定方法。 - 異常の検知対象が正常である場合に前記検知対象から得られる第1の数値ベクトルを学習した学習器と、前記検知対象について複数のタイミングで得られる第2の数値ベクトルとに基づいて、前記検知対象の異常を検知する検知手順と、
異常が検知された前記第2の数値ベクトルについて、前記検知手順において異常が検知されない第3の数値ベクトルを探索し、当該第2の数値ベクトルと前記第3の数値ベクトルとのメトリックごとの差分を、当該異常の要因のメトリックを推定するための情報として算出する第3の算出手順と、
をコンピュータが実行することを特徴とする異常要因推定方法。 - 請求項1乃至4いずれか一項記載の各部としてコンピュータを機能させるためのプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017017922 | 2017-02-02 | ||
JP2017017922 | 2017-02-02 | ||
PCT/JP2017/040090 WO2018142703A1 (ja) | 2017-02-02 | 2017-11-07 | 異常要因推定装置、異常要因推定方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018142703A1 true JPWO2018142703A1 (ja) | 2019-11-21 |
JP6751168B2 JP6751168B2 (ja) | 2020-09-02 |
Family
ID=63040501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018565942A Active JP6751168B2 (ja) | 2017-02-02 | 2017-11-07 | 異常要因推定装置、異常要因推定方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11501106B2 (ja) |
JP (1) | JP6751168B2 (ja) |
WO (1) | WO2018142703A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2019087987A1 (ja) * | 2017-11-02 | 2020-11-12 | 日本電信電話株式会社 | 異常検知装置、異常検知方法、及びプログラム |
JP7056465B2 (ja) * | 2018-08-23 | 2022-04-19 | 株式会社明電舎 | 異常予兆検出システム |
KR20200036085A (ko) * | 2018-09-19 | 2020-04-07 | 엘지전자 주식회사 | 인공지능 장치 |
JP2020201871A (ja) * | 2019-06-13 | 2020-12-17 | ファナック株式会社 | 診断装置 |
CN112241351B (zh) * | 2020-09-30 | 2023-12-22 | 中国银联股份有限公司 | 数据处理方法、装置、设备和介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007329329A (ja) | 2006-06-08 | 2007-12-20 | Omron Corp | 不良要因抽出装置、不良要因抽出方法、不良要因抽出用プログラム、および不良要因抽出用プログラムを格納した記録媒体 |
US10972332B2 (en) * | 2015-08-31 | 2021-04-06 | Adobe Inc. | Identifying factors that contribute to a metric anomaly |
-
2017
- 2017-11-07 US US16/482,605 patent/US11501106B2/en active Active
- 2017-11-07 WO PCT/JP2017/040090 patent/WO2018142703A1/ja active Application Filing
- 2017-11-07 JP JP2018565942A patent/JP6751168B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US20200250475A1 (en) | 2020-08-06 |
JP6751168B2 (ja) | 2020-09-02 |
WO2018142703A1 (ja) | 2018-08-09 |
US11501106B2 (en) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018142703A1 (ja) | 異常要因推定装置、異常要因推定方法及びプログラム | |
JP6564799B2 (ja) | 閾値決定装置、閾値決定方法及びプログラム | |
JP6823501B2 (ja) | 異常検知装置、異常検知方法及びプログラム | |
US10536343B2 (en) | Traffic management apparatus and traffic management method | |
US9106548B2 (en) | Network fault localization | |
KR101098744B1 (ko) | 장애의 탐지 및 진단 | |
JP5195953B2 (ja) | 異常リンク推定装置、異常リンク推定方法、プログラムおよび異常リンク推定システム | |
US10965542B2 (en) | Management apparatus, management method and non-transitory computer-readable storage medium for storing management program | |
EP3134999B1 (en) | Network tomography through selection of probing paths | |
JPWO2014132612A1 (ja) | システム分析装置、及び、システム分析方法 | |
WO2015182629A1 (ja) | 監視システム、監視装置及び監視プログラム | |
JP2012186667A (ja) | ネットワーク障害検出装置、ネットワーク障害検出装置のネットワーク障害検出方法およびネットワーク障害検出プログラム | |
JP2007036839A (ja) | パケット交換網における品質劣化切り分け装置および切り分けシステム、ならびに切り分け方法 | |
CN111565124B (zh) | 拓扑分析方法及装置 | |
US11088960B2 (en) | Information processing apparatus and verification system | |
JP6858798B2 (ja) | 特徴量生成装置、特徴量生成方法及びプログラム | |
JP6049136B2 (ja) | ネットワーク管理システムおよび方法 | |
JP6781776B2 (ja) | 特徴量生成装置、特徴量生成方法及びプログラム | |
JP2006033715A (ja) | ネットワークe2e性能評価システムと方法およびプログラム | |
Kawahara et al. | Mobile QoS tomography using compressed sensing | |
US11991063B2 (en) | Anomaly detection device, anomaly detection method, and program | |
JP4449665B2 (ja) | ネットワークにおける輻輳区間を推定する方法、プログラム、サーバ及びシステム | |
US10031788B2 (en) | Request profile in multi-threaded service systems with kernel events | |
JP2021040267A (ja) | 情報処理装置、無線通信システム、情報処理方法及びプログラム | |
WO2017068771A1 (ja) | スイッチ異常検知装置、スイッチ異常検知方法、および、プログラム記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200730 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200811 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200813 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6751168 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |