ДЕРЕКТЕР ОРТАЛЫҚТАРЫНДАҒЫ АНОМАЛИЯЛАРДЫ ПРОАКТИВТІ АНЫҚТАУ ҮШІН ISOLATION FOREST АЛГОРИТМІН ҚОЛДАНУ

Аңдатпа

Деректер орталықтарының (ДО) инфрақұрылымы күрделене түскен сайын, қызмет көрсетудің үздіксіздігін қамтамасыз ету үшін аномалияларды (ауытқуларды) уақтылы анықтаудың маңызы артып келеді. Бұл мақалада физикалық және ақпараттық қауіпсіздікті ескере отырып, деректер орталықтарында мониторингтен жиналған көп өлшемді деректер ағынындағы аномалияларды проактивті түрде анықтау үшін Isolation Forest (iForest) алгоритмі зерттеледі. Дәстүрлі шектік (threshold-based) тәсілдер мен статистикалық әдістерге салыстырмалы талдау жасалынды.

Эксперимент Zabbix мониторинг жүйесінен жиналған 50 000-нан астам өлшемнен (CPU, RAM, желілік трафик, температура, ылғалдылық, қуат тұтыну) тұратын синтетикалық деректер жиынтығында жүргізілді. Нәтижелер Isolation Forest алгоритмінің Local Outlier Factor (LOF) және One-Class SVM әдістерімен салыстырғанда жоғары дәлдік (Precision = 0,93), толықтық (Recall = 0,91) және F1-өлшемі (F1 = 0,92) көрсеткіштеріне қол жеткізетінін көрсетті. AUC-ROC метрикасы бойынша алынған нәтиже 0,94-ке тең болды, бұл алгоритмнің ДО ортасында жоғары тиімділікпен жұмыс істей алатынын дәлелдейді.