【技术实现步骤摘要】
一种异常日志的分类方法、装置、终端设备及存储介质
[0001]本申请涉及异常日志分类
,尤其涉及一种异常日志的分类方法、装置、终端设备及存储介质。
技术介绍
[0002]随着互联网的快速发展,web服务已经和社会的各行各业进行了融合,网络和服务的稳定性变得越来越重要,由于网络和服务异常会严重影响用户体验和公司收入,而系统日志记录了系统的各种信息,信息丰富的日志消息通常表现出不同的异常,准确、及时地识别日志消息异常并对异常日志进行分类变得尤为重要。
[0003]目前,现有LOGSY、CL2MLOG方法一般对解析后的日志消息只进行异常检测,并没有对异常日志进行详细分类。
[0004]因此,如何准确、及时地识别日志消息异常并对异常日志进行分类,成为需要解决的问题。
[0005]在
技术介绍
中公开的上述信息仅用于加强对本申请的背景的理解,因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。
技术实现思路
[0006]本申请提供一种异常日志的分类方法、装置、终端设备及存储介质,用以解决现有技术存在的问题。
[0007]第一方面,本申请提供一种异常日志的分类方法,包括以下步骤:S1、对待检测的日志消息进行预处理,得到单词标记内容;S2、将所述单词标记内容进行特征提取处理,得到第一语义特征向量;S3、将所述第一语义特征向量输入训练好的超球面模型,得到日志检测结果,所述日志检测结果包括:所述日志消息为正常日志或异常日志;S4、根据所述第一语义特征向量,通过K
【技术保护点】
【技术特征摘要】
1.一种异常日志的分类方法,其特征在于,包括以下步骤:S1、对待检测的日志消息进行预处理,得到单词标记内容;S2、将所述单词标记内容进行特征提取处理,得到第一语义特征向量;S3、将所述第一语义特征向量输入训练好的超球面模型,得到日志检测结果,所述日志检测结果包括:所述日志消息为正常日志或异常日志;S4、根据所述第一语义特征向量,通过K
‑
MEANS算法对所述异常日志进行聚类处理,得到不同异常类型的所述异常日志的聚类结果。2.根据权利要求1所述的方法,其特征在于,所述S2,包括:S201、对所述单词标记内容进行子词划分处理,得到单词标记序列;S202、在所述单词标记序列中设置日志消息起始标记,得到第一标记序列;S203、将所述第一标记序列输入训练好的BERT模型,得到词嵌入向量;S204、将所述词嵌入向量输入平均池化层,得到平均特征向量;S205、将所述平均特征向量输入全连接层,得到第一语义特征向量。3.根据权利要求2所述的方法,其特征在于,所述平均特征向量表示为:Z
i
=MEAN
‑
POOLING([V
cls
,V
tok1
,V
tok2
,
…
,V
tokN
])其中,Z
i
为第i个句子的所述平均特征向量,MEAN
‑
POOLING为平均池化,V
cls
,V
tok1
,V
tok2
,
…
,V
tokN
为所述词嵌入向量。4.根据权利要求2所述的方法,其特征在于,所述第一语义特征向量表示为:I
i
=H(Z
i
)=Σ(W
h
Z
i
+B
h
)其中,I
i
为第i个所述日志消息的所述第一语义特征向量,H为所述全连接层,Σ为TanH激活函数,W
h
为权重矩阵,Z
i<...
【专利技术属性】
技术研发人员:何施茗,肖锦攀,李文军,汤强,徐超,
申请(专利权)人:长沙理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。