Выпускная квалификационная работа на тему: «Система прогнозирования ошибок по журналам событий на основе рекуррентной нейронной сети». В этой работе исследуется возможность анализа данных, генерируемых высоконагруженными информационными системами, с помощью алгоритмов машинного обучения для улучшения производительности этих систем путем обнаружения ошибок, ведущих к сбою работы всей системы. Задачи, решаемые в ВКР: - Исследовать существующие инструменты анализа лог-файлов. - Разработать схему и алгоритм работы предлагаемого решения. - Реализовать систему на языке Python с помощью существующих библиотек. - Обучить нейронную сеть и провести тестирование алгоритма. - Проанализировать результаты работы и сделать выводы. В магистерской диссертации были проанализированы разные способы решения описанной проблемы. В работе изучаются характеристики нейронных сетей и их применение при решении задачи. Во время написания работы были использованы современные инструменты. Представленный алгоритм, был протестирован на наличие возможности прогнозировать возникновение сбоя в системе, на основе журнала событий этой системы и показал положительный результат.

The subject of the graduate qualification work is "Error prediction system based on event logs based on recurrent neural network". This paper explores the possibility of analyzing data generated by highly loaded information systems using machine learning algorithms to improve the performance of these systems by detecting errors that lead to the failure of the entire system. The tasks solved in this graduate qualification work: - Explore existing log file analysis tools. - Develop the scheme and algorithm of the proposed solution. - Implement the system in Python using existing libraries. - Train the neural network and test the algorithm. - Analyze the results of the work and draw conclusions. In the master's thesis different ways of solving the described problem were an-alyzed. The work examines the characteristics of neural networks and their application in solving the problem. During the writing of the work modern tools were used. The presented algorithm was tested for the possibility of predicting the occurrence of a failure in the system, based on the event log of this system and showed a positive result.

• ВВЕДЕНИЕ
• ГЛАВА 1. ОБЗОР СОВРЕМЕННЫХ ИНСТРУМЕНТОВ АНАЛИЗА
  • 1.1 Программное обеспечение для анализа журналов событий
  • 1.2 Системы мониторинга с заданным критерием поиска
  • 1.3 Системы мониторинга, использующие машинное обучение
  • 1.4 Выводы
• ГЛАВА 2. АРХИТЕКТУРА СИСТЕМЫ
  • 2.1 Формулировка задачи
  • 2.2 Математическая составляющая предложенного решения
    • 2.2.1 Основная концепция машинного обучения
    • 2.2.2 Рекуррентные нейронные сети
  • 2.3 Описание алгоритма
  • 2.4 Устройство нейронной сети
  • 2.5 Процесс обучения нейронной сети
• ГЛАВА 3. РЕАЛИЗАЦИЯ
  • 3.1 Модуль pretraining.py
  • 3.2 Модуль listener.py
  • 3.3 Модуль contoroller.py
  • 3.4 Модуль prediction.py
  • 3.5 Модуль training.py
• ГЛАВА 4. АНАЛИЗ РЕЗУЛЬТАТОВ
  • 4.1 Результаты обучения нейронных сетей
  • 4.2 Пользовательские окна взаимодействия с системы поиска аномалий
  • 4.3 Сравнение разработанной системы анализа с используемой системой мониторинга генерируемых данных
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ