基于解耦表征学习的未知威胁检测方法、装置和计算机设备

本申请涉及日志检测技术领域，公开了一种基于解耦表征学习的未知威胁检测方法、装置和计算机设备，通过学习不同的攻击特征，生成不同类型的攻击样本，这样能够丰富攻击数据分布的多样性，提升模型应对各种复杂攻击场景的能力，并减轻偏向所看到的攻击的问题，通过引入多实例学习方法和解耦表示学习，从多角度深入学习攻击数据的特征，减小模型对已知攻击特征的依赖，提高模型在检测未知攻击时的泛化能力，从而提升数据多样性和覆盖率；通过多实例学习方法，挖掘有效特征并减少冗余特征的影响，从而增强模型的检测精度，使其在面对高复杂度的新能源电力系统日志数据时，仍能精准识别攻击行为。