OrEdge: Efficient Multi-Modal Anomaly Detection in Distributed Software Systems via Orthogonal-Domain Learning
OrEdge is een lichtgewicht, orthogonaal-domein leerframework dat efficiënte, realtime multi-modale anomaliedetectie in gedistribueerde softwaresystemen mogelijk maakt door een concurrerende nauwkeurigheid te bereiken met aanzienlijk minder parameters en een lagere latentie dan bestaande aandacht- en graafgebaseerde methoden, waardoor het geschikt is voor hulpbronnenbeperkte edge-apparaten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat jij de kapitein bent van een enorme, drijvende stad die volledig bestaat uit piepkleine, pratende robots. Elke robot heeft een taak: sommigen brengen berichten over, anderen houden de lichten aan, en weer anderen bewaken de poorten. Om deze stad soepel te laten draaien, moet je luisteren naar drie verschillende soorten geklets: de geschreven logs van de robots (dagboeken van wat ze hebben gedaan), hun vitale functies (metrieken zoals hartslag en temperatuur) en hun handdrukken (sporen die laten zien wie met wie heeft gepraat). Als één robot vreemd begint te doen, kan dit een kettingreactie veroorzaken waardoor de hele stad instort. Dit is de wereld van "gedistribueerde softwaresystemen", en de uitdaging is om die ene defecte robot te vinden voordat de hele stad in duigen valt.
Lama tijd was de beste manier om naar dit geklets te luisteren het bouwen van een gigantisch, supercomplex brein (met behulp van dingen die "graph neural networks" en "Transformers" worden genoemd) dat elk woord en getal tegelijkertijd kon lezen. Maar deze gigantische breinen zijn zwaar, hongerig en traag. Ze hebben enorme computers nodig om te draaien, wat betekent dat je ze niet op kleine, draagbare apparaten kunt plaatsen, zoals de minuscule computers die je in een smartwatch of een drone zou kunnen vinden. De grote vraag die wetenschappers zich hebben gesteld is: Kunnen we een detective bouwen die net zo goed is in het vinden van de slechte robots, maar die zo licht en snel is dat hij kan draaien op een klein apparaatje direct naast de robots?
Maak kennis met OrEdge, een nieuwe, slimme detective ontworpen door een team van onderzoekers. In plaats van een gigantisch, zwaar brein te bouwen dat alles probeert te onthouden, gebruikt OrEdge een truc genaamd "orthogonal-domain learning". Denk er bijvoorbeeld zo over na: als je probeert een fluistering te horen in een lawaaierige kamer, ga je niet simpelweg harder schreeuwen; je stemt je oor af op een specifieke frequentie waar het geluid verdwijnt. OrEdge doet iets vergelijkbaars met data. Het neemt het rommelige, overlappende geklets van de robots en projecteert het in een speciale, schone wiskundige ruimte waar de belangrijke patronen duidelijk naar voren komen en de verwarrende ruis wordt weggefilterd.
Het artikel laat zien dat OrEdge een game-changer is. Terwijl andere methoden enorme hoeveelheden computerkracht en geheugen nodig hebben (soms vereisten ze 143.000 of meer "parameters", wat als de kleine tandwieltjes in het brein zijn), doet OrEdge hetzelfde werk met een piepklein brein van slechts ongeveer 9.600 parameters. Het is alsof je een enorme, brandstof slurpend vrachtwagen vervangt door een gestroomlijnde elektrische scooter die precies even snel op dezelfde bestemming aankomt. De onderzoekers hebben dit getest op drie echte "steden" (datasets genaamd MSDS, SN en TT) en ontdekten dat OrEdge de glitches net zo goed vangt als de zware reuzen.
Maar de echte magie gebeurt wanneer je het op een klein apparaat probeert te draaien. Het team heeft OrEdge op een Raspberry Pi geplaatst, een piekleine computer ter grootte van een creditcard die vaak door hobbyisten en in kleine gadgets wordt gebruikt. Terwijl de oude, zware methoden zo traag waren dat ze zelfs niet goed konden draaien op deze kleine chips, sjeesde OrEdge in minder dan een seconde door de data. Het bewees dat je geen supercomputer nodig hebt om een goede detective te zijn; je hebt alleen de juiste manier nodig om naar de aanwijzingen te kijken. Door gebruik te maken van deze speciale wiskundige projecties, suggereert OrEdge dat we eindelijk slimme, real-time veiligheidssystemen kunnen hebben die draaien aan de rand van onze netwerken, waardoor onze digitale steden veilig blijven zonder dat daar een enorme elektriciteitscentrale voor nodig is.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.