PulseAugur
中
实时 10:40:24
English(EN) NetCause: Counterfactual Learning for Root Cause Analysis in Large-Scale Networks

NetCause 使用反事实学习进行网络事件根因分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 NetCause，这是一个用于识别网络事件根本原因的自监督学习框架。该系统将网络故障建模为图时序过程，并采用反事实模拟来对潜在的根本原因进行排序，为操作员提供可解释的输出。NetCause 在一家主要云提供商的 1500 多个事件上进行了训练，与基于规则的基线相比，根因排序准确率提高了 16.1%，并且推理时间效率很高。 AI

排序理由 这是一篇关于网络事件分析新框架的研究论文。[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) · John Evans ·

    NetCause: Counterfactual Learning for Root Cause Analysis in Large-Scale Networks

    Can a learned model capture how faults propagate through a large-scale network and use this knowledge to causally attribute customer impact to its underlying root cause? Existing root cause analysis techniques often rely on static rules, correlation heuristics, or topology-local …

相关实体

相关话题