[論文レビュー] Hierarchical Graph Neural Networks for Causal Discovery and Root Cause Localization

Dongjie Wang, Zhengzhang Chen+5 more|arXiv (Cornell University)|Feb 3, 2023

Advanced Graph Neural Networks被引用数 6

ひとこと要約

本論文は、階層的グラフニューラルネットワークを用いて、相互依存システムネットワーク内のイントラレベルおよびインターレベルの因果関係を同定する新規フレームワークREASONを提案する。これにより、正確な根本原因特定が可能になる。ランダムウォークを用いたトポロジカルな故障伝播トレースと、極値理論を用いた個々の異常検出を組み合わせることで、REASONは実世界のデータセットにおいて既存手法を上回る性能を発揮する。

ABSTRACT

In this paper, we propose REASON, a novel framework that enables the automatic discovery of both intra-level (i.e., within-network) and inter-level (i.e., across-network) causal relationships for root cause localization. REASON consists of Topological Causal Discovery and Individual Causal Discovery. The Topological Causal Discovery component aims to model the fault propagation in order to trace back to the root causes. To achieve this, we propose novel hierarchical graph neural networks to construct interdependent causal networks by modeling both intra-level and inter-level non-linear causal relations. Based on the learned interdependent causal networks, we then leverage random walks with restarts to model the network propagation of a system fault. The Individual Causal Discovery component focuses on capturing abrupt change patterns of a single system entity. This component examines the temporal patterns of each entity's metric data (i.e., time series), and estimates its likelihood of being a root cause based on the Extreme Value theory. Combining the topological and individual causal scores, the top K system entities are identified as root causes. Extensive experiments on three real-world datasets with case studies demonstrate the effectiveness and superiority of the proposed framework.

研究の動機と目的

• 既存の根本原因分析（RCA）手法が孤立した因果ネットワークのみをモデル化しており、複数のシステムネットワーク間の相互依存性を無視するという限界に対処すること。
• 複雑なシステムにおける相互接続されたネットワーク全体にわたる因果構造を自動的に発見できる汎用的なRCAフレームワークの開発。
• ネットワーク内（イントラレベル）およびネットワーク間（インターレベル）の因果関係をモデル化することで、根本原因特定の正確性を向上させること。
• 時間的異常検出とトポロジカルな故障伝播トレースを統合し、頑健な根本原因同定を実現すること。
• 実世界のシステム障害シナリオにおいて、相互依存ネットワーク構造を捉える有効性を検証すること。

提案手法

• REASONは、複数の相互接続されたシステムネットワークにわたる非線形なインフラレベルおよびインターレベルの因果関係をモデル化するために階層的グラフニューラルネットワークを採用する。
• トポロジカル因果発見部は、階層的GNNにおけるメッセージパッシングを用いて相互依存因果グラフを学習し、リスタート付きランダムウォークを用いて故障伝播をシミュレートする。
• 個々の因果発見部は、個々のシステムエンティティの時系列データにおける急激な変化を極値理論を用いて検出し、それが根本原因である可能性を推定する。
• トポロジカル部と個々の部の因果スコアを統合し、システムエンティティをランク付けして上位$K$件の根本原因を同定する。
• フレームワークは、ドメイン特有のルールやネットワーク構造に関する事前知識を必要とせず、多変量時系列監視データ上でエンドツーエンドで学習される。
• 相互依存因果構造はシステムメトリクスから直接学習され、クロスネットワークの故障伝播経路の自動発見が可能になる。

実験結果

リサーチクエスチョン

• RQ1 統合されたフレームワークは、複数の相互依存システムネットワークにわたる因果関係を根本原因特定のために効果的に発見できるか？
• RQ2 孤立したネットワークアプローチと比較して、インターレベルの因果依存関係をモデル化することで、根本原因特定の正確性はどの程度向上するか？
• RQ3 トポロジカルな故障伝播パターンと個々の異常信号が、根本原因同定にどの程度連携して効果を発揮するか？
• RQ4 異なるネットワークトポロジーや故障伝播ダイナミクスを有する多様な実世界のシステム障害シナリオにおいて、提案手法はどの程度頑健か？
• RQ5 階層的グラフニューラルネットワークは、複雑なシステム監視データにおける非線形的・多段階の因果依存関係を効果的に捉えることができるか？

主な発見

• REASONは3つの実世界データセットにおいて、最先端のRCA手法を顕著に上回り、優れた根本原因特定の正確性を示した。
• アブレーションスタディにより、相互依存ネットワーク構造をモデル化することで、根本原因検出性能に測定可能な向上が得られることを確認した。
• トポロジカルな故障伝播トレースと極値理論による個々の異常検出の統合により、フレームワークの頑健性と精度が向上した。
• 実システム障害における事例研究では、REASONが、たとえばポッドDjango-searchのような真の根本原因を、連鎖的障害シナリオでさえも正しく同定した。
• パrameter分析により、リスタート付きランダムウォーク部が、階層的ネットワークにおける効果的な故障伝播バックトラッキングに不可欠であることが明らかになった。
• AIOpsデータセットにおける学習済み相互依存因果グラフは、故障伝播経路を明確に示しており、赤破線は成功した根本原因バックトラッキングを示している。