《计算机工程与科学杂志》发表论文赏析

基于Transformer和Text-CNN的日志异常检测

来源:计算机工程与科学杂志2025年第3期北京时间:

作者:尹春勇, 张小虎

单位:南京信息工程大学计算机学院、网络空间安全学院,江苏 南京 210044)

摘要:日志数据作为软件系统中最为重要的数据资源之一,记录着系统运行期间的详细信息,自动化的日志异常检测对于维护系统安全至关重要。随着大型语言模型在自然语言处理领域的广泛应用,基于Transformer的日志异常检测方法被广泛地提出。传统的基于Transformer的方法,难以捕捉日志序列的局部特征,针对上述问题,提出了基于Transformer和Text-CNN的日志异常检测方法LogTC。首先,通过规则匹配将日志转换成结构化的日志数据,并保留日志语句中的有效信息;其次,根据日志特性采用固定窗口或会话窗口将日志语句划分为日志序列;再次,使用自然语言处理技术Sentence-BERT生成日志语句的语义化表示;最后,将日志序列的语义化向量输入到LogTC日志异常检测模型中进行检测。实验结果表明,LogTC能够有效地检测日志数据中的异常,且在2个数据集上都取得了较好的结果。

关键词:日志异常检测,深度学习,词嵌入,Transformer,Text-CNN,

2025年3期其他文献查阅:

基于监督学习的稀疏矩阵乘算法优选

基于天河互连的并行文件系统网络驱动

基于“天河二号”聚合通信卸载特性的 MPI_Barrier优化

QTorch:基于独立的量子程序设计语言的量子-经典混合机器学习框架

数据中心制冷系统强化学习控制

RCGNN:图注入攻击下的图神经网络鲁棒性认证方法

基于Transformer和Text-CNN的日志异常检测

一种基于图热核扩散卷积的网络入侵检测方法

基于切比雪夫混沌映射的V2G跨域双向认证方案

基于迭代收缩阈值与深度学习的压缩感知图像重构网络

基于脉冲注意力机制的轻量化面部超分重建方法

基于改进实例分割的室内动态视觉SLAM方法

结合图像分解和自稀疏模糊聚类的情感颜色迁移

基于失匹配负波潜伏期优化的语音增强研究

基于图结构提示实现低资源场景下的节点分类

基于驾驶上下文感知的驾驶员识别模型

基于多源异构融合与时空图卷积网络的集卡到港量预测模型

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!