Key points are not available for this paper at this time.
A triagem de alarmes de rede refere-se ao agrupamento e à priorização de um fluxo de informações de saúde de dispositivos de baixo nível para ajudar os operadores a encontrar e solucionar problemas. Hoje, esse processo tende a ser em grande parte manual, pois as ferramentas existentes não conseguem evoluir facilmente com a rede. Apresentamos o CueT, um sistema que utiliza aprendizado de máquina interativo para aprender com as decisões de triagem dos operadores. Em seguida, utiliza esse aprendizado em visualizações inovadoras para ajudá-los a triagem de alarmes de forma rápida e precisa. Ao contrário de sistemas anteriores de aprendizado de máquina interativo, o CueT lida com um ambiente altamente dinâmico, onde os grupos de interesse não são conhecidos a-priori e evoluem constantemente. Um estudo com usuários reais e dados de uma grande rede mostra que o CueT melhora significativamente a velocidade e a precisão da triagem de alarmes em comparação com a prática atual da rede.
Amershi et al. (Sáb,) estudaram essa questão.