一种基于深度学习的算网系统日志异常检测方法及系统

本发明公开了一种基于深度学习的算网系统日志异常检测方法及系统，所述方法包括获取原始日志流后，采用滑动窗口划分方法，基于预设的时间步长参数△t和窗口长度参数△T对日志流进行遍历式分割，生成多组日志序列；分别提取每组日志序列的语义特征、序列特征和数量特征；对语义特征、序列特征和数量特征分别进行特征处理；将处理后的语义特征、序列特征及数量特征通过动态门控机制融合为统一特征向量，并依次经全连接层、GELU激活函数、Dropout正则化及Softmax函数处理，完成日志异常分类；本发明显著提高了算网系统日志异常检测的计算效率和实时性；有效提升了检测精度与模型鲁棒性，适应复杂动态的日志环境。