본 논문은 로그 데이터 기반 이상 탐지 모델을 제시합니다. 기존의 딥러닝 기반 로그 이상 탐지 모델들은 로그 데이터의 의미 또는 순차 정보만을 활용하는 한계가 있었으며, 시간 정보를 무시하는 경우가 많았습니다. 본 논문에서는 Transformer 기반의 설정 가능한 모델을 제안하여 의미, 순차, 시간 정보를 모두 활용하고, 다양한 길이의 로그 시퀀스에 대해 학습 및 평가를 수행합니다. 실험을 통해 각 정보 유형의 이상 탐지 성능에 대한 영향을 분석하고, 특히 이벤트 발생 정보가 중요한 역할을 수행하지만 순차 및 시간 정보의 영향은 크지 않음을 발견했습니다. 또한, 기존 공개 데이터셋의 단순성을 지적하며 다양한 유형의 이상을 포함하는 새로운 데이터셋의 필요성을 강조합니다.
