摘要
基于增强知识库与动态掩码建模的日志序列异常检测方法,属于计算机技术领域。解决了现有日志序列异常检测存在准确性差和效率低的问题,本发明采用预训练的日志异常检测模型对所述待检测日志进行异常检测和异常根源追踪,日志异常检测模型的训练过程,采用动态提示模板对历史日志进行解析与结构化和内容强化后生成增强知识库;从增强知识库中提取正常和异常日志序列样本,采用余弦相似度算法将样本分为高相似样本对和低相似样本对;使用字节对编码分词器将样本生成词元;采用差异敏感掩码和阈值约束的随机掩码分别对高相似样本对和低相似样本对词元掩码;采用掩码后的词元对所述BERT模型训练,获取日志异常检测模型。本发明适用于日志序列异常检测。
技术关键词
序列异常检测方法
日志
样本
BERT模型
预训练语言模型
动态
工作流
语义特征
解码架构
标记
深度编码
注意力机制
模板
异常点
本质
标识符