摘要
本发明提供了一种运行日志异常检测方法及系统,获取目标系统的历史运行日志数据,将历史运行日志数据中的非结构化数据转换为结构化数据;利用变分自编码器对转换后的结构化数据进行特征提取,对提取的特征进行聚类分析;针对每个聚类结果,使用Transformer模型进行时序数据分析,以捕捉长距离依赖关系,通过自注意力机制对簇内的时序特征进行建模,以识别异常事件;对变分自编码器和Transformer模型组成的异常检测模型进行训练,对模型进行参数调优;利用训练后的异常检测模型对目标系统的实时运行日志数据进行处理,实现异常事件的自动识别结果。本发明能够自动捕捉日志数据的潜在分布特征,提升对异常事件的识别精度。
技术关键词
异常检测方法
异常事件
编码器
结构化日志数据
前馈神经网络
时序特征
注意力机制
日志解析方法
异常检测系统
初始聚类中心
重构
解析日志
模型训练模块
条目
系统为您推荐了相关专利信息
水下图像压缩方法
压缩器
解码器
编码器
图像压缩装置
解码器模型
噪声图像
空间变换网络
模型训练方法
生成噪声
文本生成图像方法
注意力
大语言模型
文本编码器
布局