본 논문은 클라우드 환경에서의 이상 탐지를 위해 신경기호(neuro-symbolic) 기반의 대규모 언어 모델(LLM) 에이전트인 CloudAnoAgent를 제안합니다. CloudAnoAgent는 구조화된 메트릭 데이터와 텍스트 로그 데이터를 통합적으로 처리하여 기존 메트릭 기반 접근 방식의 높은 오탐율 문제를 해결합니다. 또한, 기존 데이터셋의 부족을 해결하기 위해 LLM을 이용하여 생성된 메트릭과 로그 데이터, 그리고 정교한 이상 현상 주석을 포함하는 새로운 벤치마크 CloudAnoBench를 소개합니다. 실험 결과, CloudAnoAgent는 기존 방식과 LLM만 사용하는 방식에 비해 이상 분류 정확도를 평균 46.36%와 36.67% 향상시키고, 오탐율을 평균 36.67%와 33.89% 감소시켰으며, 일반적인 LLM 프롬프팅 방식에 비해 이상 유형 탐지 정확도를 12.8% 향상시켰음을 보여줍니다.
