Az ösztöndíjas kutatási munkámban egy konkrét rendszer (telekommunikációban használatos router kártyák) által készített logfájlok kiértékelhetőségét vizsgáltam. Az első lépés az adathalmaz rendszerezése volt, majd a szöveg tisztítása közben a hagyományos nyelvfeldolgozáshoz képest jelentősen eltérő megoldások alkalmazása. A fő aspektusa ezeknek a megoldási lehetőségeknek, vagyis a logfájl csomagok megtisztításának a vizsgálata és bemutatása volt, valamint az odáig vezető út közben felmerülő háttértudás megszerzésének ismertetése. Az első feladat az volt, hogy hogyan jutunk el egy nagy loghalmazból egy rendszerezett struktúrán át ennek egy matematikai reprezentációjáig.
A fejlesztés végső célja, hogy a régi, felcímkézett, különböző hibás futások alatt keletkezett logfájlok alapján egy új eset jelentésekor automatizáltan meg tudjuk mondani, hogy milyen hiba történt a rendszerben. Ezt az összetett feladatot úgy tudjuk megfogni, ha egy olyan egyszerűsítéssel élünk, hogy kizárólag egy hibatípussal foglalkozunk. Ez azt takarja, hogy kétféle adatunk lesz: az egyik ennek a konkrét hibának a jelentkezése alatt keletkezett, a másik típus pedig hibátlan működés alatt (ez későbbi pontosítást igényel). A későbbiekben ez jó kiindulási alap több hibatípus felismeréséhez/megkülönböztetéséhez is.
A kutatási beszámoló letölthető innen (PDF)
Budapest, 2019, szeptember 1.
Dr. Szűcs Gábor