基于大语言模型的事件根因分析-刘栋涵.pdfVIP

BeijingForestStudio

ThenameoftheDepartment

北京理工大学信息系统及安全对抗实验中心

部门名称

基于大语言模型的事件根因分析

硕士研究生刘栋涵

2024年11月24日

问题回溯

•相关内容

–2024.03.31杨宗源《LLM的强化学习》

–2023.02.12邵思源《自动化漏洞挖掘初探》

2

内容提要

•预期收获

•内涵解析与研究目标

•研究背景与意义

•研究历史与现状

•知识基础

•算法原理

–RCACopilot

–RCAgent

•特点总结与未来展望

•参考文献

3

预期收获

•预期收获

–了解事件根因分析的研究历史与现状

–掌握事件根因分析基本概念和内涵

–理解事件根因分析的过程及其原理

–了解事件根因分析的未来发展方向

4

内涵解析与研究目标

•内涵解析

–根因分析(RCA)：系统性地收集和分析与事件相关的数

据，识别导致系统或服务器事件的根本原因

•日志、指标、追踪信息和警报等

•中断或性能下降

–事件：任何导致服务中断或质量下降的情况

•服务无法响应、性能严重下降、用户体验受影响等

•研究目标

–实现数据收集的自动化以及输出根因类别

–提供清晰的分析过程，让分析结果易于理解，并能被相关工程师

或管理者直接使用

5

研究背景

•研究背景

–服务器系统的复杂性和动态性

•系统容易受到多种故障的影响，传统RCA方法过

程繁琐、容易出错，且难以应对系统的动态变化

•快速而准确的根因分析对于及时恢复服务并防止

问题复发至关重要

–现有基于大规模语言模型的RCA方法普遍存在隐私

风险

•调用外部LLM接口需要将系统数据上传到外部服

务器，这增加了数据泄露的可能性

•云计算环境的复杂性和动态性使得数据分布变化

频繁，这进一步加剧了敏感信息暴露的风险

6

研究意义

•研究意义

–精准识别问题的根本原因，使得模型作出解释性输

出，帮助工程师迅速采取有效措施恢复系统的正常

运行，从而减少服务中断时间

–现代云服务系统复杂性高、数据多样且动态变化，

传统手动方法难以满足需求，根因分析的研究为解

决多源数据整合、海量信息筛选以及动态事件适应

提供了理论和技术支持

–对复杂系统中的问题进行深层次剖析，找到系统中

薄弱环节，从而增强系统的稳定性和鲁棒性