Η Μηχανική Μάθηση αποτελεί στις μέρες μας έναν από τους πιο δυναμικά εξελισσόμενους κλάδους που αφορούν την Τεχνητή Νοημοσύνη, καθώς η πρόοδος στους αλγορίθμους της, τα εργαλεία και την υπολογιστική της ισχύ, έχει καταστήσει εφικτή την εφαρμογή της σε ένα ευρύ φάσμα πεδίων, που ξεκινούν από την ιατρική και την αναγνώριση εικόνας και ομιλίας, και φτάνουν μέχρι τα δίκτυα, τις τηλεπικοινωνίες, τα συστήματα αυτόνομης οδήγησης κ.α.

Στην εργασία αυτή εξετάζουμε πώς τεχνικές Μηχανικής Μάθησης μπορούν να εντοπίσουν ανωμαλίες στα αρχεία καταγραφής του VMware vSphere. Η πλατφόρμα vSphere χρησιμοποιείται για τη διαχείριση εικονικών μηχανών και παράγει μεγάλο όγκο logs σε καθημερινή βάση. Αν μέσα σε αυτά τα δεδομένα χαθούν προειδοποιητικά σημάδια, τότε η αξιοπιστία και η απόδοση του συστήματος μπορούν να επηρεαστούν σοβαρά. Στόχος της διπλωματικής είναι να φιλτράρει αυτόν τον όγκο πληροφορίας και να αναδείξει τα γεγονότα που ξεφεύγουν από την τυπική λειτουργία του host.

Για την επίτευξη αυτού του στόχου, θα αξιοποηθεί η γλώσσα προγραμματισμού Python, οι βιβλιοθήκες της και η Μηχανική Μάθηση σε συνδυασμό με κατάλληλες αλγοριθμικές τεχνικές. Η μεθοδολογία περιλαμβάνει τη συλλογή και την προεπεξεργασία των αρχείων καταγραφής με κατάλληλες τεχνικές, την εξαγωγή χαρακτηριστικών από τα μηνύματα των logs, τη μετατροπή τους σε αριθμητική μορφή με χρήση TF-IDF και τη χρήση τριών μοντέλων ανίχνευσης ανωμαλιών: του Isolation Forest, του One-Class SVM (με μείωση διαστάσεων) και ενός νευρωνικού μοντέλου ακολουθιών τύπου GRU.

Η εργασία θα προσπαθήσει να συμβάλει στη συστηματική αξιοποίηση των τεχνικών Μηχανικής Μάθησης για την ανάλυση των log αρχείων σε περιβάλλοντα virtualization, παρέχοντας ένα πλαίσιο που μπορεί να υποστηρίξει τη βελτίωση της διαχείρισης και την πρόληψη πιθανών ανωμαλιών στο vSphere.

Machine Learning is currently one of the most dynamically evolving branches of Artificial Intelligence, as the progress in its algorithms, tools and computing power has made it possible to apply it in a wide range of fields, starting from medicine and image and speech recognition, and reaching networks, telecommunications, autonomous driving systems, etc.

In this work, we examine how Machine Learning techniques can identify anomalies in VMware vSphere log files. The vSphere platform is used to manage virtual machines and produces a large volume of logs on a daily basis. If warning signs are lost in this data, then the reliability and performance of the system can be seriously affected. The goal of the thesis is to filter this volume of information and highlight events that deviate from the typical operation of the host.

To achieve this goal, the Python programming language, its libraries and Machine Learning will be utilized in combination with appropriate algorithmic techniques. The methodology includes the collection and preprocessing of log files with appropriate techniques, the extraction of features from the log messages, their conversion into numerical form using TF-IDF and the use of three anomaly detection models: Isolation Forest, One-Class SVM (with dimensionality reduction) and a GRU-type neural sequence model.

The work will attempt to contribute to the systematic utilization of Machine Learning techniques for the analysis of log files in virtualization environments, providing a framework that can support the improvement of management and the prevention of possible anomalies in vSphere.