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。
技术关键词
日志异常检测方法
语义特征
模板
序列特征
语义向量
网络
依赖特征
交互注意力
分支
窗口技术
非线性
日志解析
标签
无监督
短距离
代表