Buchumschlag

LogELECTRA: Self-supervised Anomaly Detection for Unstructured Logs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yamanaka, Yuuki, Takahashi, Tomokatsu, Minami, Takuya, Nakajima, Yoshiaki
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Effectiveness of Log Representation for Log-based Anomaly Detection
von: Wu, Xingfang, et al.
Veröffentlicht: (2023)

OneLog: Towards End-to-End Training in Software Log Anomaly Detection
von: Hashemi, Shayan, et al.
Veröffentlicht: (2021)

LogPurge: Log Data Purification for Anomaly Detection via Rule-Enhanced Filtering
von: Zhang, Shenglin, et al.
Veröffentlicht: (2025)

LogLead -- Fast and Integrated Log Loader, Enhancer, and Anomaly Detector
von: Mäntylä, Mika, et al.
Veröffentlicht: (2023)

FusionLog: Cross-System Log-based Anomaly Detection via Fusion of General and Proprietary Knowledge
von: Zhao, Xinlong, et al.
Veröffentlicht: (2025)

LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection
von: Guo, Hongcheng, et al.
Veröffentlicht: (2024)

ASTD Patterns for Integrated Continuous Anomaly Detection In Data Logs
von: Jabri, Chaymae El, et al.
Veröffentlicht: (2024)

A Comprehensive Study of Machine Learning Techniques for Log-Based Anomaly Detection
von: Ali, Shan, et al.
Veröffentlicht: (2023)

FedLAD: A Modular and Adaptive Testbed for Federated Log Anomaly Detection
von: Liao, Yihan, et al.
Veröffentlicht: (2025)

FAME: Failure-Aware Mixture-of-Experts for Message-Level Log Anomaly Detection
von: Wang, Huanchi, et al.
Veröffentlicht: (2026)

Beyond Window-Based Detection: A Graph-Centric Framework for Discrete Log Anomaly Detection
von: Qi, Jiaxing, et al.
Veröffentlicht: (2025)

Try with Simpler -- An Evaluation of Improved Principal Component Analysis in Log-based Anomaly Detection
von: Yang, Lin, et al.
Veröffentlicht: (2023)

Graph Neural Networks based Log Anomaly Detection and Explanation
von: Li, Zhong, et al.
Veröffentlicht: (2023)

LogSD: Detecting Anomalies from System Logs through Self-supervised Learning and Frequency-based Masking
von: Xie, Yongzheng, et al.
Veröffentlicht: (2024)

MLAD: A Unified Model for Multi-system Log Anomaly Detection
von: Zang, Runqiang, et al.
Veröffentlicht: (2024)

LLM-Enhanced Log Anomaly Detection: A Comprehensive Benchmark of Large Language Models for Automated System Diagnostics
von: Patel, Disha
Veröffentlicht: (2026)

LogSieve: Task-Aware CI Log Reduction for Sustainable LLM-Based Analysis
von: Barnes, Marcus Emmanuel, et al.
Veröffentlicht: (2026)

LogAction: Consistent Cross-system Anomaly Detection through Logs via Active Domain Adaptation
von: Duan, Chiming, et al.
Veröffentlicht: (2025)

HELP: Hierarchical Embeddings-based Log Parsing
von: Xu, Andy, et al.
Veröffentlicht: (2024)

What Information Contributes to Log-based Anomaly Detection? Insights from a Configurable Transformer-Based Approach
von: Wu, Xingfang, et al.
Veröffentlicht: (2024)

LogRouter: Adaptive Two-Level LLM Routing for Log Question Answering in Big Data Systems
von: Coskuner, Mert, et al.
Veröffentlicht: (2026)

Practitioners' Expectations on Log Anomaly Detection
von: Ma, Xiaoxue, et al.
Veröffentlicht: (2024)

ZeroLog: Zero-Label Generalizable Cross-System Log-based Anomaly Detection
von: Zhao, Xinlong, et al.
Veröffentlicht: (2025)

A Comparative Study of Semantic Log Representations for Software Log-based Anomaly Detection
von: Wang, Yuqing, et al.
Veröffentlicht: (2026)

Face It Yourselves: An LLM-Based Two-Stage Strategy to Localize Configuration Errors via Logs
von: Shan, Shiwen, et al.
Veröffentlicht: (2024)

Multivariate Log-based Anomaly Detection for Distributed Database
von: Zhang, Lingzhe, et al.
Veröffentlicht: (2024)

Detecting Anomalies in Software Execution Logs with Siamese Network
von: Hashemi, Shayan, et al.
Veröffentlicht: (2021)

LogICL: Distilling LLM Reasoning to Bridge the Semantic Gap in Cross-Domain Log Anomaly Detection
von: Ye, Jingwei, et al.
Veröffentlicht: (2025)

LogLLM: Log-based Anomaly Detection Using Large Language Models
von: Guan, Wei, et al.
Veröffentlicht: (2024)

Impact of Log Parsing on Deep Learning-Based Anomaly Detection
von: Khan, Zanis Ali, et al.
Veröffentlicht: (2023)

AnomalyGen: An Automated Semantic Log Sequence Generation Framework with LLM for Anomaly Detection
von: Li, Xinyu, et al.
Veröffentlicht: (2025)

AnomalyGen: Enhancing Log-Based Anomaly Detection with Code-Guided Data Augmentation
von: Li, Xinyu, et al.
Veröffentlicht: (2026)

Cleaning Maintenance Logs with LLM Agents for Improved Predictive Maintenance
von: Dimidov, Valeriu, et al.
Veröffentlicht: (2025)

LLM meets ML: Data-efficient Anomaly Detection on Unstable Logs
von: Hadadi, Fatemeh, et al.
Veröffentlicht: (2024)

Speed and Performance of Parserless and Unsupervised Anomaly Detection Methods on Software Logs
von: Nyyssölä, Jesse, et al.
Veröffentlicht: (2023)

LogUpdater: Automated Detection and Repair of Specific Defects in Logging Statements
von: Zhong, Renyi, et al.
Veröffentlicht: (2024)

Cross-System Software Log-based Anomaly Detection Using Meta-Learning
von: Wang, Yuqing, et al.
Veröffentlicht: (2024)

Defects4Log: Benchmarking LLMs for Logging Code Defect Detection and Reasoning
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Large Language Models for Analyzing Enterprise Architecture Debt in Unstructured Documentation
von: Pagels, Christin, et al.
Veröffentlicht: (2026)

On the Influence of Data Resampling for Deep Learning-Based Log Anomaly Detection: Insights and Recommendations
von: Ma, Xiaoxue, et al.
Veröffentlicht: (2024)