본 논문은 마이크로서비스 아키텍처의 신뢰성 유지를 위한 이상 탐지의 중요성을 강조하며, 기존 이상 탐지 기법의 한계를 극복하기 위해 새로운 데이터셋과 모델을 제시합니다. 오픈소스 RobotShop 마이크로서비스 애플리케이션을 이용하여 생성된 RS-Anomic 데이터셋은 다양한 이상 현상(10가지 유형)을 포함하는 다변량 성능 지표와 응답 시간을 포착합니다. 본 논문에서는 그래프 어텐션과 LSTM 아키텍처를 활용하여 마이크로서비스 간의 공간적 및 시간적 의존성을 포착하는 새로운 이상 탐지 모델인 GAL-MAD를 제안합니다. SHAP 값을 이용하여 이상 서비스를 국재화하고 근본 원인을 파악하여 설명 가능성을 높였으며, 실험 결과 GAL-MAD가 기존 최첨단 모델보다 높은 정확도와 재현율을 달성함을 보여줍니다.
