[發(fā)明專利]一種系統(tǒng)日志異常檢測方法、裝置及電子設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010664669.6
• 申請日: 2020-07-10
• 公開（公告）號: CN111858242B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計）人: 慶隆陽
• 申請（專利權(quán)）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/0464;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 史翠

1.一種系統(tǒng)日志異常檢測方法，其特征在于，包括：

獲取原始系統(tǒng)日志，并將所述原始系統(tǒng)日志解析為結(jié)構(gòu)化數(shù)據(jù)；

在所述結(jié)構(gòu)化數(shù)據(jù)中提取消息計數(shù)向量和流程狀態(tài)向量；其中，所述消息計數(shù)向量表征包含相同通用標識的日志的消息類型特征，所述流程狀態(tài)向量表征預(yù)設(shè)時間窗口內(nèi)的系統(tǒng)行為特征；

將所述消息計數(shù)向量和所述流程狀態(tài)向量拼接為特征向量，并對每個所述特征向量進行日志狀態(tài)的標注；

基于所述特征向量和對應(yīng)的標注訓練神經(jīng)網(wǎng)絡(luò)模型，以便利用訓練完成的神經(jīng)網(wǎng)絡(luò)模型進行系統(tǒng)日志異常檢測；

其中，在所述結(jié)構(gòu)化數(shù)據(jù)中提取消息計數(shù)向量和流程狀態(tài)向量，包括：

確定所述結(jié)構(gòu)化數(shù)據(jù)中每條日志包含的通用標識符，并基于所述通用標識符對所有所述日志進行分類；

為每個類別創(chuàng)建消息計數(shù)向量；其中，所述消息計數(shù)向量的每個維度與消息類型一一對應(yīng)，每個所述維度的值為對應(yīng)的消息類型的日志在所述類別中的數(shù)量；

確定所述結(jié)構(gòu)化數(shù)據(jù)中每條日志包含的狀態(tài)變量類型，并基于所述狀態(tài)變量類型對所有所述日志進行分類；

為每個類別創(chuàng)建流程狀態(tài)向量；其中，所述流程狀態(tài)向量的每個維度與所述狀態(tài)變量類型的值一一對應(yīng)，每個所述維度的值為所述狀態(tài)變量類型的值在所述類別中的數(shù)量。

2.根據(jù)權(quán)利要求1所述系統(tǒng)日志異常檢測方法，其特征在于，將所述原始系統(tǒng)日志解析為結(jié)構(gòu)化數(shù)據(jù)，包括：

從所述原始系統(tǒng)日志中提取執(zhí)行路徑，以便將所述原始系統(tǒng)日志解析為結(jié)構(gòu)化數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述系統(tǒng)日志異常檢測方法，其特征在于，所述基于所述特征向量和對應(yīng)的標注訓練神經(jīng)網(wǎng)絡(luò)模型，包括：

將所有所述特征向量按照預(yù)設(shè)比例劃分為訓練集和測試集；其中，所述訓練集和所述測試集均包括多個特征向量和對應(yīng)的標注；

初始化所述神經(jīng)網(wǎng)絡(luò)模型中所有層的權(quán)值和偏置，利用所述訓練集訓練所述神經(jīng)網(wǎng)絡(luò)模型，并利用反向傳播基于最小化誤差的準則調(diào)節(jié)所述層的權(quán)值和偏置，得到訓練完成的神經(jīng)網(wǎng)絡(luò)模型；

利用所述測試集對所述訓練完成的神經(jīng)網(wǎng)絡(luò)模型進行測試。

4.根據(jù)權(quán)利要求3所述系統(tǒng)日志異常檢測方法，其特征在于，所述初始化所述神經(jīng)網(wǎng)絡(luò)模型中所有層的權(quán)值和偏置，包括：

利用高斯函數(shù)初始化所述神經(jīng)網(wǎng)絡(luò)模型中所有層的權(quán)值和偏置。

5.根據(jù)權(quán)利要求1至4中任一項所述系統(tǒng)日志異常檢測方法，其特征在于，所述利用訓練完成的神經(jīng)網(wǎng)絡(luò)模型進行系統(tǒng)日志異常檢測，包括：

獲取待檢測系統(tǒng)日志，將所述待檢測系統(tǒng)日志解析為目標結(jié)構(gòu)化數(shù)據(jù)；

在所述目標結(jié)構(gòu)化數(shù)據(jù)中提取目標消息計數(shù)向量和目標流程狀態(tài)向量，并將所述目標消息計數(shù)向量和所述目標流程狀態(tài)向量拼接為目標特征向量；

將所述目標特征向量輸入所述訓練完成的神經(jīng)網(wǎng)絡(luò)模型中以便得到所述待檢測系統(tǒng)日志的檢測結(jié)果。