Přístupnostní navigace
E-application
Search Search Close
Master's Thesis
Author of thesis: Ing. Jakub Magda
Acad. year: 2025/2026
Supervisor: Ing. Jiří Setinský
Reviewer: Ing. Martin Žádník, Ph.D.
This thesis presents the design and implementation of a system for anomaly detection in system logs through time series analysis. The system combines two complementary approaches: template-based time series counting occurrences of log message types in time windows, and metric-based time series extracting numerical values from message content. Seven detection methods are applied to the resulting series, including statistical approaches, Prophet and ARIMA models, and machine learning methods. The system was deployed in the production environment of CESNET and evaluated on real historical data spanning thirteen months of operation. Experiments confirmed that combining both types of time series is essential: several anomalies were detectable exclusively in metric-based series.
System logs, anomaly detection, time series, log parsing, Drain algorithm, time series analysis, machine learning, ARIMA, Prophet, Isolation Forest
Date of defence
22.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
B
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B.
Topics for thesis defence
Language of thesis
Slovak
Faculty
Fakulta informačních technologií
Department
Department of Computer Systems
Study programme
Information Technology and Artificial Intelligence (MITAI)
Specialization
Machine Learning (NMAL)
Composition of Committee
prof. Dr. Ing. Jan Černocký (předseda) prof. Ing. Martin Čadík, Ph.D. (místopředseda) doc. Ing. Vladimír Janoušek, Ph.D. (člen) doc. Ing. Michal Bidlo, Ph.D. (člen) doc. Ing. František Zbořil, Ph.D. (člen) Ing. Petr Veigend, Ph.D. (člen)
Supervisor’s reportIng. Jiří Setinský
Práci hodnotím celkově pozitivně. Student splnil zadání a zpracoval aktuální téma detekce anomálií z logů pomocí analýzy časových řad. Práce zahrnuje teoretickou část, vlastní návrh a implementaci systému i jeho ověření na reálných datech. Oceňuji zejména praktické zaměření práce, rozsah implementace a skutečnost, že navržené řešení bylo ověřeno v reálném prostředí CESNETu a kombinuje více přístupů k detekci anomálií. Komunikace během řešení byla průběžná a účelná, byť textová podoba práce nebyla konzultována podrobněji. Student všechny připomínky zapracoval a práci odevzdal v termínu. Navrhuji celkové hodnocení B.
Zadání hodnotím jako průměrně náročné. Cílem práce bylo navrhnout a implementovat systém pro detekci anomálií ze systémových logů pomocí analýzy časových řad, a to s využitím jak šablonových, tak metrických reprezentací logů. Student zpracoval teorii, navrhl architekturu systému, realizoval praktickou implementaci a provedl experimentální ověření na reálných produkčních datech i na veřejném datasetu. Splnil všechny body zadání.
V závěrečné fázi student výrazně zvýšil svou aktivitu, práci odevzdal v termínu a zapracoval všechny připomínky. Z časových důvodů však již nebyl prostor pro širší zpětnou vazbu k finální verzi.
Práce vychází z relevantních zdrojů k analýze logů, časovým řadám a detekci anomálií. Nastudovaná literatura je v práci využita věcně a přímo podporuje návrh i implementaci řešení.
Student během řešení průběžně informoval o postupu práce a konzultoval konkrétní body související s prací. Textová podoba práce sice nebyla řešena tak podrobně, ale komunikace fungovala dobře a byla účelná.
Grade proposed by supervisor: B
Reviewer’s reportIng. Martin Žádník, Ph.D.
Student samostatně nastudoval, navrhl a implementoval analýzu logů pomocí časových řad a dosáhl zajímavých poznatků při experimentech na reálných datových sadách. Tyto poznatky budou sloužit jako podklad pro další výzkum analýzy logů.
Evaluation level: assignment fulfilled
Zadání bylo splněno. Byl navržen a implementován mechanismus pro převod logů do dvou kategorií časových řad včetně metod detekce anomálií v těchto časových řadách.
Evaluation level: is within the usual extent
Práce má očekávaný rozsah.
Prezentační úroveň je dobrá. Pro lepší hodnocení by mohly být některé části (např. vysvětlení pohledů A a B) lépe rozpracovány.
Typograficky je práce v pořádku.
V kapitolách 2.4.2, 2.4.3, 2.4.4 mi chybí citace na dosavadní přístupy (např. jak se vyrovnat s chybějícími hodnotami), v ostatních částech práce student správně cituje relevantní zdroje.
Realizační výstup hodnotím pozitivně. Student naimplementoval předzpracování logů do časových řad, nad kterými aplikoval 7 různých detekčních metod.
Získané poznatky a případně i dílčí výstupy bude možné dále využít v praxi pro detekci anomálií nad logy.
Evaluation level: more difficult assignment
Zadání bylo náročnějšího charakteru, neboť vyžadovalo nastudovat celou doménu zpracování logů zároveň s doménou analýzy časových řad.
Grade proposed by reviewer: A
Responsibility: Mgr. et Mgr. Hana Odstrčilová