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！

龙图腾网获悉北京邮电大学申请的专利一种基于解析优化和时序卷积网络的日志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：CN115828180B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211711499.8，技术领域涉及：G06F18/2433；该发明授权一种基于解析优化和时序卷积网络的日志异常检测方法是由李小勇;蒋哲;袁开国;蔡斌思;孙明亮;高雅丽设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本一种基于解析优化和时序卷积网络的日志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解析优化和时序卷积网络的日志异常检测方法，基于固定深度树结构的日志解析方法，解决日志解析阶段按照日志进行匹配的效率问题，以应对日志中存在可变参数以及日志输出不稳定的情况；基于BERT的预训练模型来从日志模板中提取语义特征，利用窗口技术获取日志的序列特征，基于TF‑IDF捕获日志模板数量特征信息，充分提取日志解析中的特征，为日志特征提取环节提供了更为全面的视角，使得最后的异常检测更具有效率性和全面性；基于时序卷积网络TCN来处理序列特征，其能够实现并行化从而提高模型的运行效率；使用自注意力机制来完成三个特征的学习，给不同的特征分配不同的权重，最后使用全连接层组合所有的特征来获得最终的预测输出。

本发明授权一种基于解析优化和时序卷积网络的日志异常检测方法在权利要求书中公布了：1.一种基于解析优化和时序卷积网络的日志异常检测方法，其特征在于，包括以下步骤： S1、日志解析优化：采用日志解析树结构对原始日志数据进行解析，获取日志模板；步骤S1的具体过程为： S11、数据预处理：根据日志数据的特点提前定义正则表达式来替换掉原始日志数据中的变量和特殊符号，其中变量类型的数据使用通配符号来进行替换，并对多个连续通配符号进行合并，得到预处理日志； S12、日志解析树构建：日志解析树一开始是一个空树，只有一个不含任何数据的根节点，通过不断对输入的预处理日志进行插入而不断生成树的其他节点；插入规则为：将日志解析树划分为四层，根节点位于日志解析树的第一层，不存储任何日志相关信息；日志解析树的第二层节点是基于长度的划分层，用于区分预处理日志消息的的长度；日志解析树的第三层是基于字符串前缀的划分层，用于存储每个日志消息的字符串序列前缀；日志解析树的第四层是叶节点，用于存储由前几层的筛选条件所划分的日志组； S13、日志解析：分别对字符串前缀和相同位置的每个字符进行相似性匹配，获得日志模板；步骤S13对相同位置的每个字符进行相似性匹配的公式为： 其中，seq1j表示字符串seq1的第j个字符，其中eq函数定义如下： w1,w2为字符串seq1和字符串seq2相同位置处的字符； 计算日志消息与叶节点中所有模板之间的相似度值，然后选择相似度最大且超过预定义阈值的日志模板作为日志模板；如果找不到这样的模板，当前叶节点将添加此日志消息作为新的日志模板； S2、特征提取：利用固定窗口、滑动窗口和会话窗口三种窗口技术对日志进行分组，获取日志模板的序列特征，基于BERT的预训练模型提取日志模板中的语义特征，基于TF-IDF表示层捕获日志模板的数量特征； S3、异常检测：使用时序卷积网络捕获序列特征的时间序列，融合语义特征和数量特征，然后使用自注意力机制为这些日志特征分配不同的权重，最后使用全连接层组合所有的特征来获得最终的预测输出。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。

以上内容由龙图腾AI智能生成。