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！

龙图腾网获悉杭州电子科技大学申请的专利一种时序和卷积结合的算力网络日志异常检测方法与系统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：CN119441825B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411480385.6，技术领域涉及：G06F18/213；该发明授权一种时序和卷积结合的算力网络日志异常检测方法与系统是由杨奕斌;蒋从锋;刘俊明;陈彦琦设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本一种时序和卷积结合的算力网络日志异常检测方法与系统在说明书摘要公布了：本发明涉及一种时序和卷积结合的算力网络日志异常检测方法与系统。本发明利用哈希优化的基于解析树日志模板解析算法加速了海量算网日志的模板分类。同时利用基于哈希的空间坐标映射使日志变量能够有效进行空间特征的构建。此外利用时序网络和卷积网络相结合的方式既考虑了基于语义信息的日志序列特征、日志的原始序列特征，也充分考虑了时序上的变量空间特征，使本方法中的神经网络模型具有更高的检测准确度和鲁棒性。

本发明授权一种时序和卷积结合的算力网络日志异常检测方法与系统在权利要求书中公布了：1.一种时序和卷积结合的算力网络日志异常检测方法，其特征在于该方法包括以下步骤： 步骤1、对算力网络系统日志用正则表达式将算力网络系统日志中的变量和结构化信息分离，将算力网络系统日志的变量位置用结构化占位符代替，得到结构化日志，并确定时间窗口和步幅，得到日志序列； 步骤2、将所述结构化日志通过哈希优化的固定层数解析树快速进行日志模板分类，将所有结构化日志映射到对应的日志模板中，并给日志模板标上对应的序号形成日志模板号，通过日志模板号生成序列特征；将结构化日志通过AL-Bert模型生成语义特征； 步骤3、基于哈希函数对结构化日志的变量经正则化处理后的结构化占位符部分进行坐标映射，并构建时序上的二维变量矩阵，得到空间特征； 步骤4、以所述序列特征、语义特征、空间特征作为输入，使用双路模型进行预测，所述双路模型具体包含两个支路时序支路和空间卷积支路，其中时序支路包含两个双向长短期记忆模型；空间卷积支路包含一个卷积神经网络，两条支路为并行结构；将输出向量通过拼接、注意力机制、改变向量维度、回归预测来判断是否异常； 其中，步骤3具体是： 取步骤1中通过哈希函数映射的结构化占位符，通过结构化占位符所在的结构化日志在一个时间窗口内的位置及结构化占位符所在结构化日志中的位置确定映射到二维变量矩阵中的位置； 所述结构化占位符在二维变量矩阵中的行与所属结构化日志在时间窗口中的位置一致，而在二维变量矩阵中的列映射到二维变量矩阵的对应位置为,映射规则为： 代表日志中的第个结构化占位符； 其中，步骤4具体是： 将步骤3得到的语义特征和序列特征分别通过双向长短期记忆模型、进行预测，得到输出张量和，并将输出张量和先后水平拼接，生成输出向量； 将步骤3所得的空间特征输入卷积神经网络中，进行卷积计算提取空间信息，通过预设的池化层最大池化保留每个池化窗口的最大值以降低特征图的维度、减小二维变量矩阵的稀疏性；再经过全连接层改变输出形状，使其变成一维向量，然后通过激活函数去线性化以提高神经网络对模型的表达能力，将输出向量记为； 将所述输出向量和水平先后拼接后得到向量，将向量通过注意力层使得所述双路模型能够关注输入数据中的关键部分，将输出张量记为；通过全连接层改变张量形状降低特征维度得到输出向量最后将输出向量输入进随机森林回归模型中来确定日志序列是否异常。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。