基于混合神经网络的电力通信系统数据异常检测方法

摘要

电力通信系统中的数据异常检测面临诸多严峻的挑战.一方面，系统的数据维护日志通常包含大量专业术语，且格式复杂多样，传统的通用日志解析方法难以精准理解其深层语义信息.另一方面，系统运行产生的日志数据具有显著的时序关联性与空间依赖性，现有方法对时空特征的协同建模能力不足，难以识别复杂的异常模式.此外，若数据异常未能被及时发现和处理，可能对电力通信网络的稳定性和服务质量造成不利影响，危及电力系统的稳定运行.因此，开发一种准确且高效的日志异常检测方法对于保障电力通信系统的运行安全具有重要意义.本文提出了一种基于混合神经网络的日志异常检测方法，采用改进的Drain3算法进行日志解析，结合BERT模型与IDF加权机制进行特征表示，使用Mogrifier LSTM与CNN的混合模型进行异常检测.实验结果表明，该方法在真实电力通信系统数据集上取得了优异的性能表现，对于日志异常检测的理论研究与工程实践具有一定的参考价值.

关键词

电力通信系统 / 日志异常检测 / Mogrifier LSTM / CNN