结合日志与深度学习的网络软件异常检测算法

摘要：

为了快速的检测出网络软件异常,提出基于日志与深度学习的网络软件异常检测算法.首先通过CNN卷积核和特征向量对文本向量的权重进行提取,将池化向量代入RNN中,选择Tf-Idf模型矩阵降低文本数据不均衡造成的影响.然后对非结构化的日志使用SPELL方法进行解析,转化成结构化日志,通过分隔符将转化为单序列的日志消息与消息列表中的公共常量进行匹配,解析出剩余变量,完成日志的解析工作.训练过程中,选择Adam优化算法使目标函数取得最小值,同时采用学习率衰减算法对参数的更新速率进行控制,通过反向传播对权重参数进行实时更新.最后,分别从执行路径异常检测、参数异常检测和在线更新模型三方面进行评估.实验结果表明,上述方法不仅能够准确的判断出异常,而且综合性能指标和召回率也较高,具有广泛的适用性.

关键词：卷积核、结构化日志、路径异常、参数异常、在线更新

所属期刊栏目：39

分类号：TP301(计算技术、计算机技术)

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：440-444