• 목록

경북대학교 컴퓨터학부 소속 김유양 박사과정생(지도교수: 탁병철)이 제1저자로 참여한 논문이 분산 컴퓨팅 분야 우수 국제학회인 ICDCS 2026 (IEEE International Conference on Distributed Computing Systems, BK21 CS 우수 국제학술대회, IF=3)에 게재 승인되었다. 특히 이번 연구는 세계적 연구소인 IBM TJ Watson 연구소와의 공동연구로 진행되었다는 점에서 더욱 의미가 크다.

·    논문 제목: Falconf: Configuration Error Diagnosis via Log Sequence Learning and Automated Misconfiguration Injections.

·    저자 정보: 김유양 (제1저자), Sahil Suneja (공동저자, IBM TJ Watson Research Center), 최윤자 (공동저자), 권영우 (공동저자), 탁병철 (교신저자)

·    학회 홈페이지: https://icdcs2026.icdcs.org

소프트웨어 설정 오류(misconfiguration)는 분산 및 클라우드 시스템 장애의 30% 이상을 차지하는 주요 원인으로, 현대 소프트웨어의 아키텍처가 점점 복잡해짐에 따라 탐지가 매우 어려워지고 있다. 최근 대형 언어 모델(LLM)을 활용하여 설정 파일이나 로그를 분석해 오류를 탐지하는 기법이 주목받고 있으나, 문법적으로는 올바르지만 실행 환경에서 문제를 일으키는 문맥적 설정 오류(contextual misconfiguration)의 경우 모든 케이스를 탐지하지 못한다는 한계가 있다.

본 연구는 이러한 문제를 해결하기 위해 로그 시퀀스 패턴을 딥러닝으로 학습하여 설정 오류를 진단하는 Falconf를 제안하였다. 이는 로그에 오류 원인이 직접 드러나지 않아 LLM이 탐지하기 어려운 상황에서도 로그 이벤트의 흐름에 잠재된 패턴을 분석하여 오류를 일으킨 설정 파라미터를 정확하게 찾아낸다. 연구팀은 자동화된 설정 오류 주입 파이프라인을 구축하고, 2단계 트랜스포머 모델을 학습시켜 다양한 설정 오류와 로그 패턴 간의 관계를 포착하였다.

제안된 기법은 3개의 대표적인 분산 소프트웨어 Spark, Hadoop, Zookeeper를 대상으로 한 평가에서 기존 LLM 기반 기법 대비 최소 46.9% 향상된 정확도를 보였다. 또한 기존 방법 대비 1,778배 작은 모델 크기로 더 빠른 추론 속도를 실현하였다.

탁병철 교수는 “이번 연구는 로그 시퀀스 패턴이 설정 오류 진단에 충분한 정보를 담고 있음을 보여주는 중요한 성과”라며, “IBM TJ Watson 연구소와의 협력으로 더욱 의미 있는 연구 결과를 도출할 수 있었으며, 앞으로도 시스템 소프트웨어 안정성 향상을 위한 연구를 지속할 계획” 이라고 밝혔다.

<사진 왼쪽부터 김유양 박사과정생, Sahil Suneja IBM TJ Watson 연구원, 최윤자 교수, 권영우 교수, 탁병철 교수>