PulseAugur
实时 14:22:04
English(EN) MINES: Explainable Anomaly Detection through Web API Invariant Inference

新的 MINES 方法使用 LLM 实现可解释的 Web API 异常检测

研究人员开发了一种名为 MINES 的新方法,通过推断可解释的 API 不变量来检测 Web 应用程序中的异常。该方法侧重于模式级别的信息,而不是原始日志数据,这有助于过滤掉噪声并识别精确的常态。MINES 利用大型语言模型 (LLM) 来提取 API 和数据库表之间的潜在关系,并使用正常的日志实例进行验证。然后,系统将这些推断出的约束转换为不变量,以生成用于运行时日志验证的 Python 代码,在各种基准测试中取得了最先进的结果,具有高召回率和极少的误报。 AI

影响 引入了一种使用 LLM 检测 Web 应用程序异常的新颖方法,有望提高系统可靠性和安全性。

排序理由 该集群包含一篇详细介绍异常检测新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Wenjie Zhang, Yun Lin, Chun Fung Amos Kwok, Xiwen Teoh, Xiaofei Xie, Frank Liauw, Hongyu Zhang, Jin Song Dong ·

    MINES: Explainable Anomaly Detection through Web API Invariant Inference

    arXiv:2512.06906v2 Announce Type: replace-cross Abstract: Detecting the anomalies of web applications, important infrastructures for running modern companies and governments, is crucial for providing reliable web services. Many modern web applications operate on web APIs (e.g., R…