Existing approaches that leverage s

Existing approaches that leverage system log data for anomaly detection can be broadly classified into three groups: PCA based approaches over log message counters [39], invariant mining based methods to capture co-occurrence patterns between different log keys [21], and workflow based methods to identify execution anomalies in program logic flows [42]. Even though they are successful in certain scenarios, none of them is effective as a universal anomaly detection method that is able to guard against different attacks in an online fashion.

結果 (繁體中文) 1:

現有方法對異常檢測該槓桿系統日誌數據大致可分為三組：過日誌消息計數器PCA基礎的方法[39]，不變採礦為基礎的方法不同的日誌鍵[21]之間捕獲共現模式，和工作流的基於的方法來識別異常執行在程序邏輯流程[42]。即使他們是成功的在某些情況下，他們都不是有效的，因為這是能夠防止以在線的方式不同的攻擊通用異常檢測方法。

結果 (繁體中文) 2:

利用系統日誌資料進行異常檢測的現有方法大致可分為三組：基於 PCA 的方法（基於日誌消息計數器 [39]），基於固定挖掘的方法捕獲不同日誌鍵之間的共發生模式[21]，基於工作流的方法識別程式邏輯流中的執行異常 [42]。即使它們在某些情況下是成功的，但它們都不是有效的通用異常檢測方法，能夠以線上方式防禦不同的攻擊。

結果 (繁體中文) 3:

現有的利用系統日誌數據進行异常檢測的方法大致可分為三類：基於PCA的日誌消息計數器方法[39]、基於不變挖掘的捕獲不同日誌鍵之間共存模式的方法[21]和基於工作流的識別程式邏輯流中執行异常的方法[42]。儘管它們在某些場景中是成功的，但作為一種通用的异常檢測方法，它們都不能有效地以線上管道防範不同的攻擊。