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！

龙图腾网获悉华中科技大学申请的专利一种基于LSTM的数控系统日志审计方法及终端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：CN116781321B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310514908.3，技术领域涉及：H04L9/40；该发明授权一种基于LSTM的数控系统日志审计方法及终端是由路松峰;周立天;朱建新;罗勇;聂何望设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本一种基于LSTM的数控系统日志审计方法及终端在说明书摘要公布了：本发明属于日志审计技术领域，公开了一种基于LSTM的数控系统日志审计方法及终端，包括：利用基于Drain日志解析工具改进的新日志解析工具，重构三类日志专属解析器，将日志解析成为模板语句与变量；并将日志模板语句对应转换成日志键；使用双向长短期记忆模型对日志模式进行识别：通过对日志键进行一定窗口大小内的预测结合计算出现日志的高斯误差进行日志的基于时序的异常检测。本发明在经典数据集上表现出高精度，准确率、召回率、F值均高于传统方法。本发明提升了日志解析的精度，完善了系统处理日志流程，实现全自动日志解析；实现了系统内主要两种异常模型，测试改进了模型的超参数，完善了日志从解析到输入模型的流程细节。

本发明授权一种基于LSTM的数控系统日志审计方法及终端在权利要求书中公布了：1.一种基于LSTM的数控系统日志审计方法，其特征在于，所述基于LSTM的数控系统日志审计方法包括： 利用基于日志解析工具Drain改进的新日志解析工具，重构三类日志专属解析器，将日志解析成为模板语句与变量；并将日志模板语句对应转换成日志键； 使用双向长短期记忆模型对日志模式进行识别：通过对日志键进行一定窗口大小内的预测结合计算出现日志的高斯误差进行日志的基于时序的异常检测； 所述基于LSTM的数控系统日志审计方法包括以下步骤： 步骤一，使用自研工具ReDrain中的固定深度的解析树，利用改进的解析树对日志进行解析，分离得到日志模板语句以及日志参数； 步骤二，使用先验制定的日志模板字典将日志模板语句转化为日志键即对应的数字，将日志键以不同的会话标志位分类到不同会话中，得到同一会话中基于时间序列的日志键序列，将日志变量以不同日志种类划分，同一日志的变量输入到同一参数异常检测模型中得到特征选择的数据； 步骤三，构建并训练执行路径异常检测模型，使用keras构建双层的Bi-LSTM神经网络对正常模式日志所解析出来的日志键进行训练；利用训练好的执行路径异常检测模型检测正常模式与异常模式混合的日志键，输出得到执行路径异常检测结果； 步骤四，构建并训练参数异常检测模型，利用训练好的参数异常检测模型检测日志参数值中系统关键记录是否存在异常； 步骤五，对错误预测样本进行回传后参数更新，基于已经训练好的模型使用keras框架的fit函数重新进行拟合训练，经过训练更新调整权重后的网络就能成功识别出正常的日志键序列； 所述自研工具ReDrain中的固定深度的解析树，并利用改进的解析树对日志进行解析，得到日志模板语句以及日志参数包括： 首先，根据每种日志框架的先验知识设定一些表达式，解析日志变量的[r'\d+\.{3}\d+']； 其次，进行日志消息长度分组处理；利用第一个标志进行搜索：基于第一个标志为常量进行搜索，当第一个标志为变量时用*代替表示；设定一个maxchild最大子节点参数，用于约束一个节点的最大子节点树； 最后，按照标志的相似度继续进行搜索，当得到解析树中与输入日志最大的simSeq后，与在工具中传入的相似度阈值st比较，若大于，则为合适的日志组；当输入日志的标志和子树相同位置的标志是相同的，则不会进行更新；当输入日志的标志和子树相同位置的标志不同时，用*替换子树中标志不同的地方；若未找到，则创建新的子树，新的日志组； 所述构建并训练执行路径异常检测模型包括： 1构建执行路径异常检测模型如下： 输入层，用于输入滑动窗口大小的日志键序列w，w＝{xt-h,…,xt-2,xt-1}；中，x表示由真实日志解析得到的日志键，属于唯一日志键集合X；xt表示下一个日志键； 输出层，用于利用一个用于多分类的softmax函数将最后隐藏层的输出转换为一个概率分布函数，表示概率矩阵Prxt＝ki|xt-h,…,xt-2,xt-1；所述概率矩阵Prxt＝ki用于表示来自X的所有日志键的概率分布；所述来自X的所有日志键的概率分布表征下一个日志键属于各类日志键的概率； 2训练执行路径异常检测模型包括：截取目标系统中正常状态下的日志集中的较少的片段作为训练集；利用所述训练执行路径异常检测模型； 所述利用训练好的参数异常检测模型检测日志参数值中系统关键记录是否存在异常包括： 利用参数异常检测模型计算预测值和真实值之间的MSE，所述MSE计算公式如下： ； 其中，xt表示真实值，xp表示预测值，n表示求平均值； 选择使用scipy中的stats模块的计算函数作为MSE的置信区间；当误差位于MSE的高置信区间内，则对应的日志为正常；否则判断日志异常。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。