龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：河北工业大学
摘要：本发明为融合序列与模板语义的无监督日志异常检测方法，分别提取日志的序列特征与语义特征，采取第一TCN网络提取日志序列特征，采用第二TCN网络和Bi‑GRU网络并行处理联合提取日志模板语义特征，有助于缓解原始TCN出现不可逆的信息损失，使得损失信息更少且模型更平滑，并使得语义特征的提取更充分，综合考虑了日志模板序列的全局上下文依赖特征与短距离尺度上的局部依赖特征，更细粒度的表征了语义特征。本发明不仅对单个日志模板的语义特征进行了提取，同时提取了日志模板之间局部与全局的语义相关性，充分利用了日志的语义信息，增强了日志语义信息的表征，提高了日志异常检测的可靠性和准确性。
主权项：1.一种融合序列与模板语义的无监督日志异常检测方法，其特征在于，所述检测方法的过程是：获取原始日志数据，并进行日志解析提取日志模板，采用窗口技术对日志进行分组提取序列特征，获取日志模板的模板id序列向量，同时采用预训练的Bert模型进行日志模板序列语义的提取，获得模板序列语义向量；构建日志异常检测模型，所述日志异常检测模型包括第一TCN网络、第二TCN网络、Bi-GRU网络、注意力模块，第一TCN网络的输入为模板id序列向量，输出为序列特征；第二TCN网络和Bi-GRU网络的输入均为模板序列语义向量，分别用于提取模板序列语义向量的局部特征和全局特征，局部特征和全局特征经注意力模块进行特征融合后，再与序列特征进行特征拼接操作，之后经全连接层和Softmax处理后，进一步获得异常检测结果。
全文数据：
权利要求：
百度查询： 河北工业大学 融合序列与模板语义的无监督日志异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号