• 목록

[일시] 2026.07.30.

[세미나 주제]
Log Anomaly Detection: LogRobust & LogFormer

[발표자]
김정년

[요약]
본 발표에서는 불안정한 로그 환경에서의 이상 탐지를 다룬 LogRobust와, 여러 시스템 간 지식 전이를 목표로 하는 LogFormer를 소개하였다. LogRobust는 소프트웨어 업데이트와 파싱 오류로 새로운 log event와 sequence가 지속적으로 발생하는 log instability 문제를 제시하였다. 이를 해결하기 위해 log event를 의미 기반 semantic vector로 표현하고 attention-based Bi-LSTM으로 sequence의 문맥과 event별 중요도를 학습함으로써, 변형되거나 처음 등장한 로그에도 강건한 이상 탐지를 수행하였다.
LogFormer는 단일 시스템에 한정된 기존 모델을 확장하여, source domain에서 학습한 로그의 공통 의미 정보를 새로운 target domain으로 전이하였다. Sentence-BERT 기반 특징과 Log-Attention을 이용해 parsing 과정에서 제거된 parameter 정보를 보완하고, target domain에서는 전체 모델이 아닌 adapter만 학습함으로써 적은 trainable parameter와 낮은 비용으로 높은 이상 탐지 성능을 달성하였다.
두 연구를 통해 실제 로그 이상 탐지에서는 고정된 event ID보다 로그의 의미와 문맥을 학습하는 것이 중요하며, 지속적으로 변화하거나 서로 다른 시스템에 적용하기 위해서는 강건성과 domain transfer를 함께 고려해야 함을 확인하였다.
 
[관련 논문]
Robust Log-Based Anomaly Detection on Unstable Log Data
LOGFORMER: A Pre-train and Tuning Pipeline for Log Anomaly Detection

[녹화 영상]
https://us06web.zoom.us/rec/share/V3gaxChwsP4z3BXOT2A7Ai6Lf3R7Oc0SBE2S1uHvbqcQCYI7ktSprhKK0jntt7K0.3Fr3NB0XIROdtL55