Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京北软华兴软件有限责任公司张挺获国家专利权

北京北软华兴软件有限责任公司张挺获国家专利权

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!

龙图腾网获悉北京北软华兴软件有限责任公司申请的专利日志异常检测方法、装置、设备、介质及产品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:CN119759702B

龙图腾网通过国家知识产权局官网在2025-12-23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:202510264685.9,技术领域涉及:G06F11/30;该发明授权日志异常检测方法、装置、设备、介质及产品是由张挺;黄鑫;赵文设计研发完成,并于2025-03-07向国家知识产权局提交的专利申请。

日志异常检测方法、装置、设备、介质及产品在说明书摘要公布了:本申请公开了一种日志异常检测方法、装置、设备、介质及产品,涉及日志异常检测领域,该方法包括:接收待检测日志序列;将待检测日志序列输入日志异常检测模型中,以获取各个待检测日志序列中的异常日志概率,其中,日志异常检测模型是对原始异常检测模型进行训练后得到的,在训练原始异常检测模型时采用弱监督形式的损失函数;确定异常日志概率大于异常阈值时对应的待检测日志序列为异常日志序列;输出异常日志序列。本申请可提升异常日志检测结果的准确性。

本发明授权日志异常检测方法、装置、设备、介质及产品在权利要求书中公布了:1.一种日志异常检测方法,其特征在于,所述日志异常检测方法包括: 接收待检测日志序列; 将所述待检测日志序列输入日志异常检测模型中,以获取各个所述待检测日志序列中的异常日志概率,其中,所述日志异常检测模型是对原始异常检测模型进行训练后得到的,在训练所述原始异常检测模型时采用交叉熵损失函数和对比学习损失函数组成的弱监督形式的损失函数; 确定所述异常日志概率大于异常阈值时对应的所述待检测日志序列为异常日志序列; 输出所述异常日志序列; 所述原始异常检测模型包括:BERT模型、Transformer编码器、特征融合模块、正则化模型和概率输出模型,所述日志异常检测方法还包括: 收集训练集,所述训练集包括:训练日志序列和每一个所述训练日志序列对应的训练标签; 通过所述BERT模型提取所述训练日志序列的日志语义特征; 通过所述Transformer编码器提取所述训练日志序列的日志序列特征; 将每一个所述训练日志序列的日志语义特征和对应的所述日志序列特征输入所述特征融合模块,得到每一个所述训练日志序列的融合特征; 将每一个所述训练日志序列的融合特征输入所述正则化模型,以得到每一个所述训练日志序列的增强特征; 将每一个所述训练日志序列的融合特征输入所述概率输出模型,以得到每一个所述训练日志序列的预测异常日志概率; 将每一个所述训练日志序列的增强特征、融合特征、预测异常日志概率和训练标签,输入所述损失函数; 基于所述损失函数,采用反向传播算法不断更新和迭代所述BERT模型和所述Transformer编码器的模型参数,以最小化所述损失函数,其中,最小化所述损失函数对应的所述BERT模型和所述Transformer编码器为目标BERT模型和目标Transformer编码器,所述日志异常检测模型包括所述目标BERT模型、所述目标Transformer编码器、所述特征融合模块和所述概率输出模型。

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北软华兴软件有限责任公司,其通讯地址为:102600 北京市大兴区广茂大街19号院2号楼6层605室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。