prikaz prve stranice dokumenta Anomaly detection in AWS load balancer logs
  Preuzmi
PDF 3.5 MB
diplomski rad
Anomaly detection in AWS load balancer logs
Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2023. urn:nbn:hr:166:998425
Jankuleski, Marko
Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za informatiku

Institucijski repozitorij: repozitorij.pmfst.unist.hr

Citirajte ovaj rad

Jankuleski, M. (2023). Anomaly detection in AWS load balancer logs (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:998425

Jankuleski, Marko. "Anomaly detection in AWS load balancer logs." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:166:998425

Jankuleski, Marko. "Anomaly detection in AWS load balancer logs." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:166:998425

Jankuleski, M. (2023). 'Anomaly detection in AWS load balancer logs', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 30.11.2024., https://urn.nsk.hr/urn:nbn:hr:166:998425

Jankuleski M. Anomaly detection in AWS load balancer logs [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2023 [pristupljeno 30.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:998425

M. Jankuleski, "Anomaly detection in AWS load balancer logs", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:998425

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:998425
Podaci o radu
NaslovAnomaly detection in AWS load balancer logs
Naslov (hrvatski)Detekcija anomalija u logovima AWS balansera opterećenja
AutorMarko Jankuleski
MentorIvo Ugrina (mentor)
Član povjerenstvaIvo Ugrina (predsjednik povjerenstva)
Član povjerenstvaMilica Klaričić Bakula (član povjerenstva)
Član povjerenstvaGoran Zaharija (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Prirodoslovno-matematički fakultet
(Odjel za informatiku)
Split
Datum i država obrane2023-10-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Amazon Web Services (AWS) is a widely used cloud platform. Load Balancing service that it uses is the Elastic Load Balancing service. Among its load-balancing options, the Application Load Balancer (ALB) is crucial for businesses as it routes incoming requests to one or multiple targets. In this thesis we aimed to explore the current scope of research on anomaly detection in ALB logs and have concluded that there is limited research evaluating ALB’s anomaly detection in log files, and that no benchmark dataset for AWS ALB research is widely available. Additionally, we wanted to look at some computational approaches with logs and anomaly detection and have thus assembled a set of log files from an AWS Application Load Balancer from a private company and have touched upon various anomaly detection methods applied to these logs considering that we have not had enough time to label the full data we have collected. In our work, we have been guided by a systematic review of literature in the fields of time series anomaly detection and log file anomaly detection.
Sažetak (hrvatski)
Amazon Web Services (AWS) široko je korištena platforma u oblaku. Za balansiranje opterećenja koristi Elastic Load Balancing. Među opcijama za balansiranje opterećenja, Application Load Balancer ključan je za poslovanje tvrtki jer upravlja dolaznim zahtjevima na način da ih prosljeđuje jednom ili vise ciljeva. Nismo pronašli znanstvene radove koji se bave detekcijom anomalija koristeći Amazon CloudWatch sustav za detekciju anomalija i detekcijom anomalija u logovima AWS balansera opterećenja te nismo pronašli skup podatka za AWS koji bi se koristio kao referentni skup podataka. Kako bi to riješili, u okviru istraživanja smo prikupili logove AWS Application Load Balancera i procijenili smo različite metode detekcije anomalija, vođeni sustavnim pregledom istraženosti područja detekcije anomalija u vremenskim nizovima i detekcije anomalija u logovima balansera opterećenja.
Ključne riječi
Ključne riječi (hrvatski)
Jezikengleski
URN:NBNurn:nbn:hr:166:998425
Studijski programNaziv: Podatkovna znanost i inženjerstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra podatkovne znanosti i inženjerstva (mag. dat. sci. et ing.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-11-24 12:02:11