ИСПОЛЬЗОВАНИЕ АЛГОРИТМА ISOLATION FOREST ДЛЯ ПРОАКТИВНОГО ОБНАРУЖЕНИЯ АНОМАЛИЙ В ЦЕНТРАХ ОБРАБОТКИ ДАННЫХ

Аннотация

По мере усложнения инфраструктуры центров обработки данных (ЦОД) возрастает важность своевременного обнаружения аномалий для обеспечения непрерывности предоставления услуг. В данной статье исследуется алгоритм Isolation Forest (iForest) для проактивного выявления аномалий в многомерных потоках данных, собранных с систем мониторинга в центрах обработки данных, с учетом физической и информационной безопасности. Проведен сравнительный анализ с традиционными пороговыми (threshold-based) подходами и статистическими методами.

Эксперимент проводился на синтетическом наборе данных, состоящем из более чем 50 000 измерений (CPU, RAM, сетевой трафик, температура, влажность, энергопотребление), имитирующих данные из системы мониторинга Zabbix. Результаты показали, что алгоритм Isolation Forest достигает более высоких показателей точности (Precision = 0,93), полноты (Recall = 0,91) и F1-меры (F1 = 0,92) по сравнению с методами Local Outlier Factor (LOF) и One-Class SVM. Значение метрики AUC-ROC составило 0,94, что доказывает способность алгоритма работать с высокой эффективностью в среде ЦОД.