摘要
本发明属于人工智能技术领域,公开了一种基于图卷积网络和协作学习的异常日志检测方法及系统,本发明结合图卷积网络强大的图结构建模能力与协作学习的信息共享机制,有效提升对异常日志的识别能力,同时降低对大规模标注数据的依赖,提高系统的泛化性和适应性。首先,对原始日志数据进行预处理,并构建日志事件之间的有向图,其中节点表示日志事件,边表示事件之间的时序或关联关系。接着,利用图卷积网络对日志图进行特征提取,通过自适应注意力机制捕捉日志事件之间的复杂关联,提高对异常模式的识别能力。本发明能够有效弥补传统方法对复杂日志关系建模能力的不足,通过协作学习增强对未知异常模式的适应性,减少对大规模标注数据的依赖。
技术关键词
日志检测方法
网络
样本
信息数据处理终端
无监督学习
模式
融合特征
卷积模型
节点
阶段
教师
计算机设备
模型训练模块
处理器
关系建模
人工智能技术
训练集
注意力
系统为您推荐了相关专利信息
探伤系统
时域特征
频域特征
探伤方法
压电激励器
视频特征数据
安全监控方法
中央管理平台
视频特征向量
安全监控系统
航天设备
特征分析方法
路径特征
策略
导航系统数据
车载交互方法
可解释推荐模型
多模态
车载传感器
意图