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！

龙图腾网获悉北京机械设备研究所申请的专利一种系统日志异常的自动识别方法和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：CN116089132B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202111271526.X，技术领域涉及：G06F11/07；该发明授权一种系统日志异常的自动识别方法和系统是由叶航;李凤娣设计研发完成，并于2021-10-29向国家知识产权局提交的专利申请。

本一种系统日志异常的自动识别方法和系统在说明书摘要公布了：一种系统日志异常的自动识别方法和系统，方法包括提取历史系统日志记录及对应的日志模板生成日志模板序列；基于模板序列构建有监督训练样本集和无监督训练样本集；基于有监督训练样本集训练构建的fasttext模型获得训练好的fasttext模型，获得有监督训练样本集中每个日志模板的向量表示，构成分类空间；基于无监督训练样本集训练word2vec模型，获得无监督训练样本集中每个日志模板的向量表示构成内容空间；将内容空间中每个日志模板的向量表示映射至分类空间，获得每个日志模板在分类空间中的向量表示；获取待识别日志记录，基于日志记录对应的日志模板生成日志模板序列，基于日志模板在分类空间中的向量表示及训练好的fasttext模型，获得日志模板序列的异常识别结果。

本发明授权一种系统日志异常的自动识别方法和系统在权利要求书中公布了：1.一种系统日志异常的自动识别方法，其特征在于，包括以下步骤： 提取历史系统日志记录，获取每条日志记录对应的日志模板，生成日志模板序列；基于所述模板序列构建有监督训练样本集和无监督训练样本集； 构建fasttext模型，基于有监督训练样本集训练所述fasttext模型，获得训练好的fasttext模型，同时获得有监督训练样本集中每个日志模板的向量表示，构成分类空间； 构建word2vec模型，基于无监督训练样本集训练所述word2vec模型，获得无监督训练样本集中每个日志模板的向量表示，构成内容空间； 将所述内容空间中每个日志模板的向量表示映射至所述分类空间，获得每个日志模板在分类空间中的向量表示； 获取待识别日志记录，基于每条日志记录对应的日志模板生成日志模板序列，基于日志模板在分类空间中的向量表示及训练好的fasttext模型，获得日志模板序列的异常识别结果； 采用最小二乘回归模型、深度神经网络、SVM或逻辑回归将所述内容空间中每个日志模板的向量表示映射至所述分类空间； 所述word2vec模型采用单隐层神经网络模型，嵌入维度为100，滑动窗口大小为5，优化目标为交叉熵最小化，采用CBOW算法对所述word2vec模型进行训练； 所述fasttext模型采用单隐层神经网络模型，嵌入维度为100，滑动窗口大小为5，优化目标为交叉熵最小化。

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机械设备研究所，其通讯地址为：100854 北京市海淀区永定路50号(北京市142信箱208分箱)；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。