基于切片GRU的日志异常检测研究
深度学习应用在日志异常检测领域中,取得了较好的准确率.日志异常检测对实时性的要求很高,这对异常检测模型的运行速度提出了巨大挑战,目前基于循环神经网络的检测算因其固有的循环结构导致并行计算难以实现,这极大限制了模型的计算速度.为提高日志异常检测效率,设计了基于切片GRU日志异常检测模型,提出了一种基于最小质因数切片的日志异常检测算法.构建的切片GRU模型主要对隐藏层做了改进,输入序列在进入隐藏层之前进行了切片,每一层的GRU块按照切片数量进行分组,组与组之间并行计算,层与层之间串行计算,多个隐藏层共同处理输入序列,切片GRU模型的这种层次结构加快了模型的运行速度,在不影响检测精度的前提下,算法在不同长度的日志序列上均有不效率提升,且输入序列越长,提升的幅度越大.
日志异常检测、深度学习、循环神经网络、GRU网络、切片算法
15
TP319(计算技术、计算机技术)
2019-08-19（万方平台首次上网日期，不代表论文的发表时间）
共2页
59-60
