Intelligent Log Analyzer

ระบบวิเคราะห์คอมพิวเตอร์ล็อค

Name: ณัฐพล เกียรติวงศ์หงส์

keyword: Data Mining

Abstract: In this paper, I present a technique to analyze and correlate the different types of computer log files. Log files are generated from servers and network devices to record operations that occur in the computers and networks. As log files are too enormous to manualize, I develop a tool to maximize accuracy as well as efficiency when high speed processing is the goal. Firstly, I must improve the accuracy by using learning algorithms to separate the normal operations from the abnormal ones. Those algorithms can be divided into 1) measurement methods that are TF-IDF, Jaccard Distance, Simplified Fellegi-Sunter and Jensen-Shannon and 2) decision algorithms that are rules based, Kmeans clustering, and decision tree. Secondly, I may adjust parameters of algorithms for less accuracy in order to gain higher speed for both with or without parallel processing techniques. I also construct an adaptive learning algorithm to update the model. I also flush out out-of-date data while the logs are being captured and processed. The results are ranging between 70-80 percent and the false positive is below 5 percent.

Abstract: เนื่องจากในปัจจุบันนี้ ระบบคอมพิวเตอร์ถูกเชื่อมโยงเข้าด้วยกันเป็นเครือข่ายขนาดใหญ่ ซึ่งมีการ โจมตีและบุกรุกเป็นจำนวนมาก ในเครื่องคอมพิวเตอร์ที่ทำหน้าที่เป็นแม่ข่าย และอุปกรณ์เครือข่าย ต่างๆ จึงมีการจัดเก็บข้อมูลการเข้าถึง (Log) เพื่อใช้ในการตรวจสอบในภายหลัง ซึ่งในเอกสารฉบับนี้ จะแสดงถึงวิธีการรวบรวม และวิเคราะห์ข้อมูลการเข้าถึงของเครื่องแม่ข่ายชนิดต่างๆ ที่เกี่ยวข้องเข้า มาไว้ด้วยกัน การวิเคราะห์ข้อมูลการเข้าถึงเป็นสิ่งที่ยากและสิ้นเปลืองเวลาเป็นอย่างมาก ดังนั้นจึงต้อง มีการทำระบบวิเคราะห์แบบอัตโนมัติ ซึ่งจะต้องมีความถูกต้องแม่นยำและมีประสิทธิภาพ ระบบที่ จัดทำจะคำนึงถึงความถูกต้องแม่นยำเป็นสิ่งแรกโดยใช้ Learning algorithms เพื่อแยกแยะสิ่งผิดปกติ ออกมา ซึ่งประกอบด้วย 1 )ส่วนตรวจวัดได้แก่ TF-IDF, Jaccard Distance, Simplified Fellegi-Sunter และ Jensen-Shannon และ 2 ) ส่วนตัดสินใจ ซึ่งได้แก่ rules based, K-means clustering, และ decision tree. สิ่งต่อมาที่ต้องคำนึงถึงคือความเร็วในการประมวณผล ซึ่งต้องมีการปรับแต่งตัวเลือกต่างๆ เพื่อให้ได้ผลลัพธ์ที่ถูกต้องมากพอ ในขณะที่ความเร็วไม่ช้าจนเกินไป ระบบจะมีตัวเลือกในการ ประมวณผลแบบคู่ขนาน ซึ่งจะช่วยเร่งความเร็วให้เพิ่มขึ้นได้ ในระหว่างการประมวลผล ระบบจะทำ การปรับปรุงข้อมูล และลบข้อมูลที่ล้าสมัยทิ้งไปโดยอัตโนมัติ เพื่อประหยัดพื้นที่ในหน่วยความจำ และทำให้การประมวลผลรวดเร็วขึ้น จากการทดลองพบว่า ผลการทำงานของระบบวิเคราะห์ต้นแบบ โดยรวม อยู่ในเกณฑ์ระหว่าง 70-80 เปอร์เซ็นต์ และมีความผิดพลาดไม่เกิน 5 เปอร์เซ็นต์

King Mongkut's University of Technology Thonburi. KMUTT Library.

Address: BANGKOK

Email: info.lib@mail.kmutt.ac.th

Name: Songrit Maneewongvatana

Role: Advisor

Created: 2010

Modified: 2011-05-17

Issued: 2011-04-16

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: CPE1222

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Computer Engineering

Grantor: King Mongkut's University of Technology Thonburi

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	CPE1222ab.pdf	65.65 KB	60	2023-03-12 10:58:23
2	CPE1222.pdf	1.03 MB	117	2023-03-12 10:58:42

ใช้เวลา

0.03843 วินาที