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！

龙图腾网恭喜长沙理工大学申请的专利一种基于预训练模型的无监督日志异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114912500B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111429926.9，技术领域涉及：G06F18/2433；该发明授权一种基于预训练模型的无监督日志异常检测方法是由何施茗;陈博文;李文军;廖卓凡;汤强;王进设计研发完成，并于2021-11-29向国家知识产权局提交的专利申请。

本一种基于预训练模型的无监督日志异常检测方法在说明书摘要公布了：本申请公开的基于预训练模型的无监督日志异常检测方法，包括：收集来自不同系统产生的日志数据集；将日志数据集进行预处理；源系统日志集调用LSTM与全连接层模型，构建预训练模型；混合模型投票伪标签：通过预训练模型中的LSTM提取出无标签目标系统日志向量序列的深度特征向量表示；基于层次聚类HDBSCAN的分类器辅助预训练模型的全连接层，投票预测筛选出置信度高的日志向量序列作为带伪标签目标系统日志集；微调预训练模型；将目标系统日志向量序列输入到微调后的预训练模型中，进行异常检测。本发明涉及的技术方案，进行日志序列异常检测时，其能够利用已知的源系统数据集，在不使用目标系统日志标签的前提下保障检测效果，降低标签标记成本。

本发明授权一种基于预训练模型的无监督日志异常检测方法在权利要求书中公布了：1.一种基于预训练模型的无监督日志异常检测方法，其特征在于，包括以下步骤：S1、日志收集：收集来自不同系统产生的日志数据集，日志数据集包括源系统日志集和目标系统日志集，其中所述源系统日志集已经包含标签；S2、日志预处理：将所述日志数据集先后进行日志解析、日志向量化以及日志序列化处理；S3、构建预训练模型：调用LSTM与全连接层模型，将所述有标签源系统日志向量序列作为所述LSTM与全连接层模型的输入数据，进行模型训练，将训练好的模型作为所述预训练模型；S4、混合模型投票伪标签：通过所述LSTM有效提取出所述无标签目标系统日志向量序列的深度特征向量表示；随后构建一个基于层次聚类HDBSCAN的分类器辅助原有预训练模型的全连接层，投票预测筛选出置信度高的日志向量序列作为带伪标签目标系统日志集；S5、微调预训练模型：利用所述带伪标签目标系统日志集，重新输入到所述预训练模型微调LSTM模型的参数；S6、在线异常检测：将目标系统日志向量序列输入到微调后的预训练模型中，通过全连接层输出正常日志消息序列以及异常日志消息序列，完成异常检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长沙理工大学，其通讯地址为：410114 湖南省长沙市(天心区)万家丽南路二段960号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。