[論文レビュー] CT-NOR: Representing and Reasoning About Events in Continuous Time

Aleksandr Simma, Moisés Goldszmidt+5 more|arXiv (Cornell University)|Jun 13, 2012

Bayesian Modeling and Causal Inference参考文献 14被引用数 24

ひとこと要約

CT-NORは、タイムスタンプ付きデータからパラメータを適合させるEMアルゴリズムと、依存関係の発見および変化点検出に用いる仮説検定を用いて、連続時間におけるイベント関係の生成的確率モデルを提示する。マイクロソフトリサーチケンブリッジの実際のネットワークイベントトレースを用いた評価において、分散システムにおける因果関係および行動の変化を効果的に同定した。

ABSTRACT

We present a generative model for representing and reasoning about the relationships among events in continuous time. We apply the model to the domain of networked and distributed computing environments where we fit the parameters of the model from timestamp observations, and then use hypothesis testing to discover dependencies between the events and changes in behavior for monitoring and diagnosis. After introducing the model, we present an EM algorithm for fitting the parameters and then present the hypothesis testing approach for both dependence discovery and change-point detection. We validate the approach for both tasks using real data from a trace of network events at Microsoft Research Cambridge. Finally, we formalize the relationship between the proposed model and the noisy-or gate for cases when time can be discretized.

研究の動機と目的

• 分散システムの監視および診断を支援するため、連続時間におけるイベント間の時間的依存関係をモデル化すること。
• 現実のタイムスタンプ付きイベントデータに適合するパラメータ推定手法を開発すること。
• システムログにおけるイベント間の隠れた依存関係の検出および行動の変化点の同定を可能にすること。
• 連続時間モデルと離散的ノイジィーオアゲートの間の理論的関係を明確にすること。
• マイクロソフトリサーチケンブリッジの実際のネットワークイベントトレースを用いた、モデルの有効性の検証すること。

提案手法

• CT-NORモデルは、事前イベントからの因果的影響に基づいて、イベント発生の確率を表現する生成的アプローチを採用する。
• 観測されたタイムスタンプからモデルパラメータを推定するために、期待値最大化（EM）アルゴリズムが用いられる。
• 尤度比検定を用いて、イベントペア間の統計的依存関係を検出するための仮説検定が適用される。
• 尤度比統計量を用いて、時間経過に伴うイベント行動のシフトを検出することで、変化点検出が行われる。
• 因果的入力を関数として時間発生までの時間分布をモデル化することにより、ノイジィーオアゲートを連続時間へ拡張する。
• 時間的不確実性を統合でき、イベント因果関係およびシステム状態変化に関する確率的推論を可能にするフレームワークを提供する。

実験結果

リサーチクエスチョン

• RQ1 分散システムにおける診断を支援するため、連続時間におけるイベント関係をどのようにモデル化できるか？
• RQ2 現実のタイムスタンプ付きイベントデータからモデルパラメータを効果的に推定する方法は何か？
• RQ3 統計的仮説検定を用いて、システムログにおけるイベント間の隠れた依存関係をどのように発見できるか？
• RQ4 モデルは、イベント頻度や因果関係の変化といった、時間経過に伴うシステム行動の顕著な変化を検出できるか？
• RQ5 提案された連続時間モデルと離散的ノイジィーオアゲートとの間の理論的関係は何か？

主な発見

• CT-NORモデルは、マイクロソフトリサーチケンブリッジの実際のネットワークトレースデータにおいて、意味のあるイベント依存関係を効果的に同定した。
• EMアルゴリズムは信頼性があり、観測されたタイムスタンプから正確なパラメータ推定を達成した。
• 仮説検定により、統計的に有意なイベント間の依存関係が高精度に検出され、診断精度が向上した。
• 変化点検出により、障害率の上昇やイベント順序の変化といった、意味のあるシステム行動の変化が同定された。
• モデルの連続時間定式化は、離散的ノイジィーオアゲートを一般化しており、時間的推論への原理的拡張を提供した。
• 実データを用いた検証により、複雑な分散システムの監視および診断におけるモデルの実用的有用性が示された。