本发明提供一种基于流外正则化的日志序列异常检测方法，该方法对BERT模型进行优化并将其作为语义特征提取模型，优化方法是将MixUp数据增强作为流外正则化的一种形式，在数据流形之外的模型输入空间上施加线性约束，将生成器和鉴别器分别嵌入到BERT模型的不同Encoder层。通过训练鉴别器来检测输入嵌入是否位于流形外，优化生成器来生成流形外嵌入，使其易于被鉴别器识别为流形外嵌入，以便发现对日志序列分类任务有用但通过单词访问不到的嵌入，提高异常检测的准确性。此外，本发明分别从日志条目与日志序列两个粒度上提取日志语义特征，不仅可以提取日志序列的语义特征，还可以提取到日志条目本身包含的语义信息，从而增强异常检测的鲁棒性。