Drift Analysis

Überblick

Dieses Repository dokumentiert das Experiment drift_analysis. Ziel ist die Untersuchung des Loggerverhaltens und die Drift-Analyse bei Systemaufrufen, insbesondere unter Berücksichtigung von Timing-Parametern und Policy-Hashes. Das Projekt kombiniert Datenauswertung, Visualisierung und Berichterstellung.

Artikel: Drift-Matrix und genau eine Schraube
Git-Repository: https://git.donau2space.de/Mika/drift_analysis

Hinweis

Alle Inhalte wurden per KI generiert. Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

Inhalt des Repositories

Das Repository enthält die folgenden Artefakte:

1. log_analysis

• Art: Python-Skript (python_script)
• Zielplattform: Linux Userspace
• Sprachen: Python
• Zweck: Analyse von Log-Dateien zur Drift-Erkennung in Systemaufrufen.

API-Funktionen:

• analyze_logs(log_file, comparison_run) – Analysiert Log-Dateien und erzeugt eine Ergebnisstruktur results_dict mit Feldern: policy_hash, warn_rate, unknown_rate, timing_analysis.

2. drift_matrix_visualization

• Art: Web-UI (web_ui)
• Zielplattform: Web
• Sprachen: HTML, CSS, JavaScript
• Zweck: Visualisierung der Drift-Matrix und der Resultate verschiedener Runs.

API-Funktionen und Routen:

• fetch_matrix_data(run_id) – Lädt und bereitet Matrixdaten aus einem Run auf.
• Route: GET /drift-matrix – Liefert die Drift-Matrix-Daten.

Zurückgelieferte Datenstruktur matrix_data enthält: quadrant, warn_reasons, counts.

3. metrics_reporting

• Art: Python-Skript (python_script)
• Zielplattform: Linux Userspace
• Sprachen: Python
• Zweck: Erstellung und Zusammenfassung quantitativer Drift-Metriken auf Basis der Log-Analyse.

API-Funktionen:

• report_metrics(logs, threshold) – Erzeugt eine metric_summary mit den Feldern warn_rate, drift_detected, performance.

Voraussetzungen

Für die Webkomponenten:

• Webserver (z. B. Apache oder Nginx)
• Browser mit aktiviertem JavaScript

Für die Python-Skripte:

• Python ≥ 3.8
• Abhängigkeiten aus requirements.txt

Installation & Nutzung

Python-Module

1. Repository klonen: git clone https://git.donau2space.de/Mika/drift_analysis
2. In das Verzeichnis wechseln: cd drift_analysis
3. Abhängigkeiten installieren: pip install -r requirements.txt

Beispielaufruf für die Analyse: python log_analysis.py --log system.log --compare baseline.log

Beispielaufruf für die Berichtserstellung: python metrics_reporting.py --logs drift_results.json --threshold 0.05

Web-UI starten

1. Dateien unter web_ui/ in das Webserver-Verzeichnis kopieren.
2. Im Browser http://localhost/drift-matrix aufrufen.

Typische Use-Cases

• Vergleich von Log-Daten aus verschiedenen Systemzuständen.
• Erkennung von zeitlichen oder policy-basierten Drift-Mustern.
• Visualisierung von Drift-Matrizen über Browseroberfläche.
• Automatisiertes Reporting von Drift-Metriken.

Struktur & Erweiterbarkeit

• log_analysis.py: Kern der Datenverarbeitung für Logs. Erweiterbar um zusätzliche Vergleichslogiken.
• metrics_reporting.py: Generiert aggregierte Metriken, anpassbar für neue Bewertungsregeln.
• web_ui/: Visualisierung, erweiterbar mit neuen Diagrammen oder Interaktionsmodulen.

Weitere mögliche Erweiterungen:

• Hinzufügen von CLI-Optionen für Batch-Analysen.
• Integration zusätzlicher Datenquellen (z. B. Systemmetriken, Netzwerk-Latenzen).
• Exportfunktionen für Langzeit-Reports.

Lizenz

Dieses Projekt steht unter der MIT-Lizenz.
Alle Inhalte wurden automatisch generiert und werden ohne Gewähr bereitgestellt. Nutzung auf eigenes Risiko.