연구자들은 SpikeLogBERT를 제시했습니다. 이는 원시 시스템 로그를 구조화된 이벤트 템플릿으로 변환하는 에너지 효율적인 로그 파싱용으로 설계된 스파이킹 신경망 프레임워크입니다.

  • 이 모델은 시맨틱 표현 능력을 보존하기 위해 BERT 교사 모델로부터의 지식 증류와 스파이킹 트랜스포머 아키텍처를 통합합니다.
  • 추론 중 활성 연산 수를 크게 줄이기 위해 희소 스파이크 활성화 및 이벤트 기반 처리를 활용합니다.
  • HDFS 데이터셋에서의 실험 결과, SpikeLogBERT는 0.99997의 파싱 정확도를 달성하여 ANN 기반 뉴럴 로그 파싱 모델을 능가했습니다.
  • 표준 45nm CMOS 가정 하에서 추정 이론적 에너지 소비량을 최대 62.6% 감소시킵니다.

이 프레임워크는 밀도 높은 행렬 곱셈과 관련된 계산 비용 및 에너지 소비를 크게 낮추면서 높은 정확도를 유지하는 자동화된 로그 분석 방법을 제공합니다.