Log analysis with anomaly detection

dc.contributor.advisorÖ?renci, Arif Selçuken_US
dc.contributor.authorŞahin, Uygar
dc.date.accessioned2020-02-20T14:23:08Z
dc.date.available2020-02-20T14:23:08Z
dc.date.issued2019
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Elektronik Mühendisliği Ana Bilim Dalıen_US
dc.department-tempKadir Has University : Graduate School of Science and Engineering: Electronics Engineeringen_US
dc.description.abstractDetection of anomalies in the data is an important data analysis job for server logs as they will reveal many benefits. Different types of methods can be used for anomaly detection: supervised, semi-supervised, and supervised anomaly detection. Similarly different algorithms exist for each category. In this work, four anomaly detection algorithms are utilized and their performance metrics are compared for public Hadoop Distributed File System (HDFS) data. Among the others, the support vector machines are identified as the best method for anomaly detection.en_US
dc.description.abstractSunucu kütükleri için veride anormallik yakalam getireceği faydalar sebebiyle çok önemli bir veri işleme görevidir. Anormallik yakalama için farklı türlerde yöntemler kullanılabilir: gözetimli, yarı gözetimli ve gözetimsiz. Benzer şekilde, her bir tür için farklı yöntemler bulunmaktadır. Bu çalışmada, herkese açık bir Hadoop Dağıtık Dosya Sisitemi (HDFS) verisi dört adet anormallik yakalama yöntemi kullanılmış ve başarımları karşılaştırılmıştır. Ötekilerinin yanında SVM anormallik yakalamada en başarılı yöntem olarak ortaya çıkmıştır.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12469/2783
dc.identifier.yoktezid601054en_US
dc.language.isoenen_US
dc.publisherKadir Has Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.titleLog analysis with anomaly detectionen_US
dc.typeMaster Thesisen_US
dspace.entity.typePublication

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Log analysis with anomaly detection.pdf
Size:
15.18 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections