一种基于Prompt Tuning和迁移性的日志异常检测方法及系统

本申请属于网络安全技术领域，公开了一种基于Prompt Tuning和迁移性日志异常检测方法及系统，该方法首先采用基于少样本Prompt Tuning的日志解析技术，利用预训练语言模型和虚拟标签标记，将日志解析转化为令牌分类任务，仅需少量标注样本即可高效准确地识别日志模板和参数。其次，构建一个两阶段的迁移学习异常检测框架：在源域数据上预训练一个包含Log‑Attention模块的编码器；然后在目标域上，冻结预训练参数，插入轻量级串行适配器模块，并仅对适配器参数进行调优，最后通过最小化二元交叉熵损失实现端到端的异常检测优化。本发明通过Prompt Tuning提升了解析效率和准确性，通过预训练结合适配器调优及Log‑Attention机制，显著增强了异常检测模型在跨领域场景下的泛化能力和适应性。