摘要
本发明提供的一种日志异常检测方法、装置、存储介质及电子设备,应用于日志数据处理技术领域。本发明获取指定银行系统的原始日志数据,并将其根据事件类型和频次转换为时间序列矩阵,再对该矩阵进行动态加权和降维处理,提取日志特征信息。将这些特征输入长时极限学习机模型,获得当前时间窗口下的事件预测结果。同时,获取指定银行系统在同一时间窗口内的真实事件结果。通过对比预测结果与真实结果,判断原始日志数据中是否存在异常日志,生成异常判定结果。本发明通过将原始日志数据转化为时间序列矩阵并动态加权降维提取特征,利用长时极限学习机模型进行事件预测,能够提供高效的日志异常检测能力,从而满足金融行业对安全性与稳定性的需求。
技术关键词
极限学习机
日志异常检测方法
银行系统
序列
日志数据处理技术
矩阵
动态
生成事件
主成分分析算法
记忆单元
编码向量
电子设备
异常检测装置
转换单元
处理器
聚类算法
存储器
可读存储介质
系统为您推荐了相关专利信息
频域特征
线路故障预测
故障监控方法
故障诊断模型
中心服务器
环境感知信息
车辆周边图像信息
预警模型
预警方法
车辆前方障碍物
电池充电曲线
状态估算方法
工况特征
动力电池
正弦激励信号