본 논문은 대규모 로그 데이터에서의 문맥적 이상 탐지를 위해 매개변수 효율적인 미세 조정 기법, 특히 저랭크 적응(LoRA)과 어댑터 기반 접근 방식을 제안합니다. 기존의 규칙 기반 또는 심층 학습 기반 방법으로는 대량의 복잡한 로그 시퀀스에서 로그 이상 탐지가 어렵다는 점을 고려하여, Thunderbird 데이터셋에서 다양한 소형 대규모 언어 모델(LLM)을 비교 분석합니다. 실험 결과, LoRA 기반 미세 조정은 LogBert 기반 전체 미세 조정 방식보다 1819% 향상된 성능을 보이며, 정확도는 97.76%98.83%를 달성하는 반면, LogBert는 79.37%의 정확도를 보였습니다.
