Метод предиктивної діагностики твердотільних накопичувачів на основі аналізу динаміки атрибутів S.M.A.R.T.

Abstract

У роботі запропоновано метод предиктивної діагностики твердотільних накопичувачів (SSD), спрямований на раннє виявлення деградації пам'яті. Метод базується на комплексному аналізі динаміки атрибутів S.M.A.R.T. із використанням алгоритмів машинного навчання, зокрема LightGBM. Розроблено набір похідних ознак, що враховує швидкість та прискорення зміни параметрів, а також статистичні метрики. Застосування методів відбору ознак дозволило скоротити вхідний вектор даних та підвищити точність прогнозування (AUC-ROC 0.912), що сприяє підвищенню надійності зберігання даних у корпоративних системах.

The paper proposes a method for predictive diagnostics of solid-state drives (SSDs) aimed at the early detection of memory degradation. The method is based on a comprehensive analysis of S.M.A.R.T. attribute dynamics using machine learning algorithms, specifically LightGBM. A set of derived features has been developed, taking into account the rate and acceleration of parameter changes, as well as statistical metrics. The application of feature selection methods enabled the reduction of the input data vector and increased prediction accuracy (AUC-ROC 0.912), contributing to enhanced data storage reliability in enterprise systems.