買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京理工大學申請的專利基于深度混合神經網絡的日志序列異常檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115329082B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211003631.X，技術領域涉及：G06F16/35；該發明授權基于深度混合神經網絡的日志序列異常檢測方法是由徐建;梁坤;傅媛媛設計研發完成，并于2022-08-21向國家知識產權局提交的專利申請。

本基于深度混合神經網絡的日志序列異常檢測方法在說明書摘要公布了：本發明公開了一種基于深度混合神經網絡的日志序列異常檢測方法，包括以下步驟：采用滑動窗口與會話窗口相結合的方式對日志進行序列分割；采用語義向量特征和統計特征結合的方式實現日志模板的語義向量化；采用改進的序列化深度學習模型與卷積神經網絡相結合的模型結構，對有異常或正常標簽的日志序列進行訓練，建立異常檢測模型；應用構建的異常檢測模型對新產生的日志序列進行異常檢測。該方法能夠準確地捕獲日志的序列特征信息和語義特征信息，進而借助于混合深度學習模型實現準確的日志異常檢測，揭示系統狀態，并且擁有較好的魯棒性。

本發明授權基于深度混合神經網絡的日志序列異常檢測方法在權利要求書中公布了：1.一種基于深度混合神經網絡的日志序列異常檢測方法，其特征在于，包括以下步驟： 步驟1，采用滑動窗口與會話窗口相結合的方式對日志進行序列分割； 步驟2，采用語義向量特征和統計特征結合的方式實現日志模板的語義向量化； 先利用預訓練語言模型Bert對日志模板進行語義向量化，然后計算出各個日志事件的逆頻率，將Bert語義化的向量與事件逆頻率相結合實現日志模板的語義向量化； 步驟3，通過改進的序列化深度學習模型與卷積神經網絡相結合的模型結構，對有異常或正常標簽的日志序列進行訓練，建立異常檢測模型； 日志異常檢測模型構建的具體步驟為： 步驟3.1，用步驟2所產生的日志模板語義向量對步驟1的日志序列進行特征向量化，產生日志序列的特征向量，再投入到模型中；首先接入一層全連接層，用以將特征向量進行提取壓縮，使步驟2產生的語義向量與日志數據更加匹配； 步驟3.2，接著將日志序列特征向量按日志事件的順序依次投入到改進的序列化深度學習模型MogrifierLSTM中，每條日志事件的特征向量對應于一個神經細胞單元Cell，用以捕獲日志的序列特征和語義特征； 步驟3.3，在序列化深度學習模型后面接入卷積神經網絡，利用卷積神經網絡的特征捕獲能力，對LSTM層的結果進行特征提取；再接入全連接層，將CNN層的輸出最終映射到標簽0和1； 步驟4，應用構建的異常檢測模型對新產生的日志序列進行異常檢測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京理工大學，其通訊地址為：210094 江蘇省南京市孝陵衛200號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。