一种基于距离感知半监督学习的日志异常检测方法

    公开(公告)号:CN118503039A

    公开(公告)日:2024-08-16

    申请号:CN202410579932.X

    申请日:2024-05-11

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于距离感知半监督学习的日志异常检测方法,该方法有效减轻对大量人工标注数据的依赖。该方法包含三个组件:日志表征组件使用Drain+进行日志解析并将日志事件模版转换为语义向量作为方法输入,以缓解日志消息演化对方法性能造成的影响。距离感知标签评估组件利用无标签数据和少量正类标签数据之间的距离自动地评估出高质量的伪标签数据,有效降低对大量人工标注数据的依赖。异常检测组件使用Transformer编码器对正类标签数据和高质量伪标签数据进行编码,捕获日志消息中的复杂模式和长期依赖关系,最终用于异常检测任务。在三个公开数据集上的实验结果表明,该方法的整体性能均优于三个基线方法。

    一种基于深度强化学习的卫星互联网资源调度方法

    公开(公告)号:CN119155264A

    公开(公告)日:2024-12-17

    申请号:CN202411089606.7

    申请日:2024-08-09

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于深度强化学习的卫星互联网资源调度方法,针对SGIN环境下不稳定的链路容易导致VNF备份AoI增加继而难以保证VNF发生故障时能快速恢复的问题。对链路不稳定导致VNF备份的AoI增加的问题建立了VNF状态转移和故障恢复模型,并建立AoI感知的VNF备份模型以调整带宽资源来优化AoI。为了解决网络节点之间的相对移动导致VNF备份远离原VNF的问题引入VNF备份迁移机制。为了对不同时延敏感度的业务做出适应性优化策略,引入时延敏感因子作为权重,以最大化VNF备份收益为优化目标建立优化问题,并求解。仿真结果表明,该方案能在合理利用网络资源的情况下降低发生严重故障的VNF的中断时延。

Patent Agency Ranking