中国石油大学(华东)肖军弼获国家专利权
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！
龙图腾网获悉中国石油大学(华东)申请的专利一种基于自定义模版和深度学习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：CN121051632B 。
龙图腾网通过国家知识产权局官网在2026-01-30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：202510762799.6，技术领域涉及：G06F18/2433；该发明授权一种基于自定义模版和深度学习的日志异常检测方法是由肖军弼;赵通显设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。
本一种基于自定义模版和深度学习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自定义模版和深度学习的日志异常检测方法，涉及网络安全领域，包括：对日志进行预处理；利用基于BERT的预训练模型进行模版提取，获得具有语义信息的自定义模版和无语义信息的参数值；利用Transformer架构的无监督句向量嵌入模型对具有语义信息的自定义模版进行特征提取，获得具有语义信息的句向量矩阵，同时通过并行的全连接层，将无语义信息的参数值生成字符级向量矩阵，并将句向量矩阵和字符级向量矩阵嵌入训练数据中；利用训练数据对日志异常检测模型进行训练。本发明解决了现有技术未能有效地分离日志中的参数，导致无语义的参数混入到日志特征中，从而影响语义信息准确提取的问题。
本发明授权一种基于自定义模版和深度学习的日志异常检测方法在权利要求书中公布了：1.一种基于自定义模版和深度学习的日志异常检测方法，其特征在于，包括以下步骤： S1：利用WordPiece技术对日志进行预处理； S2：利用基于BERT的预训练模型对预处理后的日志进行模版提取，获得具有语义信息的自定义模版和无语义信息的参数值； S3：利用Transformer架构的无监督句向量嵌入模型对具有语义信息的自定义模版进行特征提取，获得具有语义信息的句向量矩阵，同时通过并行的全连接层，将无语义信息的参数值生成字符级向量矩阵，并将句向量矩阵和字符级向量矩阵嵌入训练数据中； S4：利用训练数据对基于Mamba的日志异常检测模型进行训练，并利用训练后的基于Mamba的日志异常检测模型识别异常日志，完成基于自定义模版和深度学习的日志异常检测。
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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励