Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/28078
Título: | Classificação automática de logs |
Autor(es): | Dias, Manuel Fernando Fortuna Ribeiro |
Orientador(es): | Sousa, António Luís Pinto Ferreira de |
Data: | 22-Nov-2012 |
Resumo(s): | Data a competitividade característica dos dias de hoje e com o aumento da utilização das infra-estruturas virtuais, ter noção do estado operacional e da utilização de recursos é fundamental, caso contrário o funcionamento do sistema pode ser comprometido.
Os registos de sistema, logs, guardam informação sobre o estado e eventos ocorridos. Esta informação indica-nos a carga dos servidores, acessos efetuados, problemas, entre outros aspetos. Atualmente, é necessária a intervenção humana de modo a classificar os logs de acordo com a sua criticidade. Se existir um sistema que aprenda os padrões de classificação utilizados, ou que permita a definição de regras, o processo de triagem de logs pode ser automatizado.
O principal objetivo desta dissertação é o de explorar métodos que permitam a classificação automática de logs. Para este efeito, recorrer-se-á à análise do conteúdo textual dos logs e à identificação de padrões de classificação através de técnicas de mineração de dados. In today's competitive world and with the growth of virtualized infrastructures, having the knowledge of operational state and resource usage is critical, otherwise systems can be compromised. The system records, logs, have information about the state and occurred events. This information allow systems administrator to know about servers CPU load, memory usage, network problems, among other data. Currently, it is necessary human interaction in order to classify system logs according to their criticality. However, if systems could learn about the classi cation method, or patterns, allowing humans to de ne classi cation rules, the whole process could be automated. The main goal of this dissertation is to explore ways to automatically classify logs, using machine learning in order to identify classi cation patterns. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado em Engenharia Informática |
URI: | https://hdl.handle.net/1822/28078 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
eeum_di_dissertacao_pg15963.pdf | 1,56 MB | Adobe PDF | Ver/Abrir |