买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利基于深度混合神经网络的日志序列异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115329082B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211003631.X，技术领域涉及：G06F16/35；该发明授权基于深度混合神经网络的日志序列异常检测方法是由徐建;梁坤;傅媛媛设计研发完成，并于2022-08-21向国家知识产权局提交的专利申请。

本基于深度混合神经网络的日志序列异常检测方法在说明书摘要公布了：本发明公开了一种基于深度混合神经网络的日志序列异常检测方法，包括以下步骤：采用滑动窗口与会话窗口相结合的方式对日志进行序列分割；采用语义向量特征和统计特征结合的方式实现日志模板的语义向量化；采用改进的序列化深度学习模型与卷积神经网络相结合的模型结构，对有异常或正常标签的日志序列进行训练，建立异常检测模型；应用构建的异常检测模型对新产生的日志序列进行异常检测。该方法能够准确地捕获日志的序列特征信息和语义特征信息，进而借助于混合深度学习模型实现准确的日志异常检测，揭示系统状态，并且拥有较好的鲁棒性。

本发明授权基于深度混合神经网络的日志序列异常检测方法在权利要求书中公布了：1.一种基于深度混合神经网络的日志序列异常检测方法，其特征在于，包括以下步骤： 步骤1，采用滑动窗口与会话窗口相结合的方式对日志进行序列分割； 步骤2，采用语义向量特征和统计特征结合的方式实现日志模板的语义向量化； 先利用预训练语言模型Bert对日志模板进行语义向量化，然后计算出各个日志事件的逆频率，将Bert语义化的向量与事件逆频率相结合实现日志模板的语义向量化； 步骤3，通过改进的序列化深度学习模型与卷积神经网络相结合的模型结构，对有异常或正常标签的日志序列进行训练，建立异常检测模型； 日志异常检测模型构建的具体步骤为： 步骤3.1，用步骤2所产生的日志模板语义向量对步骤1的日志序列进行特征向量化，产生日志序列的特征向量，再投入到模型中；首先接入一层全连接层，用以将特征向量进行提取压缩，使步骤2产生的语义向量与日志数据更加匹配； 步骤3.2，接着将日志序列特征向量按日志事件的顺序依次投入到改进的序列化深度学习模型MogrifierLSTM中，每条日志事件的特征向量对应于一个神经细胞单元Cell，用以捕获日志的序列特征和语义特征； 步骤3.3，在序列化深度学习模型后面接入卷积神经网络，利用卷积神经网络的特征捕获能力，对LSTM层的结果进行特征提取；再接入全连接层，将CNN层的输出最终映射到标签0和1； 步骤4，应用构建的异常检测模型对新产生的日志序列进行异常检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。