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：南京邮电大学
摘要：本发明提供一种基于注意力和Bi‑LSTM的日志异常检测方法及系统，该方法通过将半结构化的原始日志数据，通过日志解析器Drain转化为结构化的日志数据获得日志模板，并提取日志序列；通过BERT预训练模型将日志模板转化为日志模板初始语义向量；计算日志模板事件的逆频率，与日志模板初始语义向量进行加权计算，得到最终的日志模板语义向量；对日志序列进行特征向量化，得到日志序列的特征向量；将日志序列的特征向量输入基于注意力和双向长短期记忆网络Bi‑LSTM的日志异常检测模型即Atten‑BiLSTM模型中进行训练；使用训练后的Atten‑BiLSTM模型进行异常检测，得到检测结果；本发明能够更好的学习不同日志事件的重要性，可以处理不稳定的日志序列，能够提高日志的异常检测精度。
主权项：1.一种基于注意力和Bi-LSTM的日志异常检测方法，其特征在于：包括以下步骤，S1、将半结构化的原始日志数据，通过日志解析器Drain转化为结构化的日志数据获得日志模板，并提取日志序列；S2、通过BERT预训练模型将日志模板转化为日志模板初始语义向量；S3、计算日志模板事件的逆频率，与步骤S2得到的日志模板初始语义向量进行加权计算，得到最终的日志模板语义向量；S4、使用最终的日志模板语义向量对日志序列进行特征向量化，得到日志序列的特征向量；S5、将日志序列的特征向量输入基于注意力和双向长短期记忆网络Bi-LSTM的日志异常检测模型即Atten-BiLSTM模型中进行训练，得到训练后的Atten-BiLSTM模型；S6、将待检测日志数据集经过步骤S1-S4后，使用训练后的Atten-BiLSTM模型进行异常检测，得到检测结果。
全文数据：
权利要求：
百度查询： 南京邮电大学 基于注意力和Bi-LSTM的日志异常检测方法和系统
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