一种基于深度学习的自动化日志异常检测方法及系统

    公开(公告)号:CN119397249A

    公开(公告)日:2025-02-07

    申请号:CN202411614887.3

    申请日:2024-11-13

    Abstract: 本发明涉及一种基于深度学习的自动化日志异常检测方法及系统。所述方法包括提取具有代表性的日志模板序列;对日志模板序列进行编码,生成表达日志模板的高维语义向量;构建CNN‑BiLSTM‑Attention模型,基于高维语义向量,输出每个数据点的预测值和实际值之间的差异;采用有监督学习方法,对所述模型进行训练和优化;通过训练好的模型对待测日志数据进行推理,如果预测值和实际值之间的差异超过设定的阈值,则触发告警。所述方法充分发挥了基于大语言模型的日志模板提取能力、Sentence‑BERT的语义提取能力和CNN‑BiLSTM‑Attention模型的日志序列特征捕获优势,显著提升了日志异常检测的准确性和效率。

    一种智能电网信息系统实时性能监测和分析方法

    公开(公告)号:CN118117751A

    公开(公告)日:2024-05-31

    申请号:CN202410271076.1

    申请日:2024-03-11

    Abstract: 本申请提供了一种智能电网信息系统实时性能监测和分析方法,涉及电力系统技术领域,本发明方法通过对电网信息系统进行实时监控、自动化测试、智能故障诊断和优化建议的整合,有效提升电网信息系统的性能、稳定性和安全性;它能够帮助运维团队及时发现和解决潜在问题,预防电网信息系统故障,同时优化资源分配,确保电网信息系统在面对不同负载和潜在威胁时的运行稳定性,此外,该专利还有助于减少维护成本和提高运营效率,因为它能够自动化许多监控和维护任务,并为决策者提供数据支持的优化建议,从而减少人为错误和提升电网信息系统管理的智能化水平。

    一种基于行为特征网的流程模型分解挖掘方法

    公开(公告)号:CN117573460A

    公开(公告)日:2024-02-20

    申请号:CN202311077215.9

    申请日:2023-08-24

    Abstract: 本发明公开了一种基于行为特征网的流程模型分解挖掘方法,属于业务流程模型挖掘技术领域,该方法包括:S1:基于事件日志确定各活动间的行为足迹关系BF,推得相应的行为矩阵M;S2:基于所述行为矩阵M结合零值转换规则R计算行为关系图;S3:划分所述行为关系图中的等价弧产生活动聚类;S4:基于所述活动聚类过滤出子日志,将所述子日志使用混合ILP挖掘算法挖掘子网;S5:运用归纳挖掘算法对所述子网添加接口库所形成子网行为特征网,运用开放Petri网将所有子网行为特征网合成整网,输出完整的流程模型。本发明中将现有的挖掘算法运用于子日志集,而不是整个系统的完整日志,使得现存的挖掘算法可以更高效地用于流程模型挖掘,降低了挖掘过程中的计算复杂度。

Patent Agency Ranking