20.500.12556/DKUM-93087 Samodejno odkrivanje anomalij v dnevniških zapisih omrežnega stikala z uporabo nevronskih mrež na grafih Automatic anomaly detection in network switch log data using graph neural networks V magistrski nalogi obravnavamo zaznavanje anomalij v dnevniških zapisih omrežnega stikala z uporabo nevronskih mrež nad grafi. Klasične metode analize logov nadomestimo s pristopom Log2Graph, ki dnevniške zapise pretvori v grafe s pomočjo razčlenjevalnika Drain in vektorskih predstavitev GloVe ter TF-IDF. Za učenje uporabljamo model DiGCN in preučimo vpliv vrednosti hiperparametrov, deleža anomalij ter kontaminacije učne množice na uspešnost zaznavanja anomalij. Rezultate ocenimo z metrikami AP, ROC AUC in F1. Pristop izkazuje robustnost in prilagodljivost pri zaznavanju anomalij v realnih omrežnih podatkih. This master's thesis addresses anomaly detection in network switch logs using graph neural networks. Traditional log analysis methods are replaced by the Log2Graph approach, which transforms log entries into graph structures through the Drain parser and vector representations such as GloVe and TF-IDF. The DiGCN model is used for training, and we examine the impact of hyperparameters, anomaly ratios, and training data contamination on detection performance. Results are evaluated using AP, ROC AUC, and F1-score metrics. The proposed approach demonstrates robustness and adaptability in detecting anomalies in real-world network data. dnevniški zapisi omrežno stikalo zaznava anomalij strojno učenje Log2Graph log data network switch anomaly detection machine learning Log2Graph true true false [A. Dolenc] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2025-06-05 08:08:24 2025-07-10 09:38:51 2025-07-28 12:19:29 0000-00-00 00:00:00 2025 0 Maribor 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.713.052.42:004.8(043.2) 244030979 MAG_Dolenc_Anze_2025.pdf MAG_Dolenc_Anze_2025.pdf 1 D24D4104C68500A4BBF9133D8E504865 c4209b2b19da8959cd5affd27cbb25eeb1a376e966838173a351627b45d9981d 57363e76-51a3-11f0-977c-00155d000105 https://dk.um.si/Dokument.php?lang=slv&id=192723 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0