实时日志异常检测方法、装置、计算机设备和存储介质

本申请涉及一种实时日志异常检测方法、装置、计算机设备和存储介质，该方法包括：采用流处理框架收集日志数据，并对日志数据进行解析，生成结构化数据；基于结构化数据对基于bi‑LSTM的离线模型进行深度学习训练，得到Transformer结合LSTM的预测模型；将通过流处理框架获取的实时日志使用所述预测模型进行异常检测，得到实时日志的预测结果；基于实时日志的预测结果，利用FTRL算法对预测模型进行模型参数在线更新。通过在Transformer编码器结构中引入LSTM，增强时间序列建模能力，避免Transformer处理长序列时对局部依赖的忽略，并结合预测结果使用FTRL算法优化在线模型，保持模型的长期稳定性，有效提高了异常检测效率和准确性。