[發明專利]一種日志數據異常指向識別方法及裝置

有效

• 申請號: 201710256875.1
• 申請日: 2017-04-19
• 公開（公告）號: CN107423190B
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 夏飛;劉俊愷;周靜;王毅;張立強;余偉;吳立斌;張明明;李鵬;季曉凱;蔣錚;王艷青;彭軾;魏桂臣;丁一新;張利;李萌;黃高攀;湯雷
• 申請（專利權）人: 國家電網公司;國網江蘇省電力公司信息通信分公司;國網電子商務有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種日志數據異常指向識別方法，其特征在于，該方法包括：

設置日志數據異常的采樣與提取規則，獲得所述日志中的異常數據；

對所述異常數據進行模式化處理，得到所述異常數據與其對應的異常標簽的匹配關系，其中，所述異常標簽為根據造成所述數據異?，F象的根源進行構造的標簽；

根據所述匹配關系，設置異常模式的損失函數，計算獲得使得所述損失函數的值最小的參數值，所述根據所述匹配關系，設置異常模式的損失函數，計算獲得使得所述損失函數的值最小的參數值，包括：

根據所述匹配關系，構造異常模式的訓練集D_train，其中，

D_train＝{(x⁽¹⁾,y⁽¹⁾),(x⁽²⁾,y⁽²⁾),...,(x⁽ⁿ⁾,y⁽ⁿ⁾)}，式中，y⁽ⁱ⁾為異常數據x⁽ⁱ⁾對應的異常標簽，i為數據異常的樣本數；

根據所述訓練集，構造所述異常模式的特征矩陣X，其中，

式中，X表示特征矩陣，表示第i個訓練集的第j特征分量；

根據所述特征矩陣，構造損失函數L，其中，

式中，L為損失函數，為異常模式標簽，y⁽ⁱ⁾為異常標簽；

根據所述損失函數，計算獲得使所述損失函數的值L最小的參數值

根據所述參數值生成數據異常判別函數，判斷獲得所述異常數據的指向。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述異常數據的指向，判斷是否進行調節優化，如果是，則重新設置日志數據異常的采樣與提取規則，如果否，則進行指向異常報警。

3.根據權利要求1所述的方法，其特征在于，所述設置日志數據異常的采樣與提取規則，獲得所述日志中的異常數據，包括：

依據所述日志在信息系統中的重要性和優先級，設置日志數據的采樣頻率；

根據預設原則，設置所述數據異常的提取規則，其中，所述預設原則包括單個數據范圍超過數據定義域；或者整體數據集合范圍超過數據定義域；或者數據結構不滿足預設的數據結構；或者數據格式不滿足預設的數據格式；或者數據不滿足相關函數的依賴關系；或者數據為空集；

根據所述采樣頻率對所述日志進行采樣，并根據所述提取規則提取所述日志數據中的異常數據；

建立所述異常數據與其所對應的提取規則的記錄模式，并根據所述記錄模式存儲所述異常數據。

4.根據權利要求1所述的方法，其特征在于，所述對所述異常數據進行模式化處理，得到所述異常數據與其對應的異常標簽的匹配關系，包括：

計算所述日志數據的單位模式周期T，其中，

T＝max{min[t(log₁)],min[t(log₂)],min[t(log₃)],K}

式中，T表示單位模式周期，函數t()表示取檢測其中日志的最小周期，log_i,i＝1,2,3,K表示標號為i的日志；

構造所述異常數據的模式學習函數其中，

其中，n為屬性數據的個數，X_i,(i＝0,1,2,L)為自變量表示在一個單位模式周期T內第i個屬性數據各分量特征出現數據異?，F象的次數，w_i(i＝0,1,2,L)為學習參數，v_i,v_j為對向量v_i,v_j求內積，gg(T)為關于單位模式周期T的量綱統一函數，α為T的訓練參數，v_i,v_j分別標識交叉參數的共同項；

根據所述學習函數，計算獲得所述異常數據與其對應的異常標簽的匹配關系，其中，所述異常標簽為根據造成所述數據異?，F象的根源進行構造的標簽。