基于深度学习的日志异常检测方法

陈美龙; 苏少军

doi:10.16009/j.issn.1009-5624.2026.20.032

信息记录材料 ›› 2026, Vol. 27 ›› Issue (20) : 97 -99. DOI: 10.16009/j.issn.1009-5624.2026.20.032

基于深度学习的日志异常检测方法

陈美龙, 苏少军

作者信息 +

Author information +

文章历史 +

摘要

针对传统日志异常检测方法依赖人工规则、难以适应日志模板动态变化等问题，本研究提出一种融合序列建模与动态判别机制的深度学习日志异常检测方法。通过日志结构化解析、模板序列编码、双向长短期记忆（LSTM）网络特征学习、自注意力权重优化及动态阈值搜索，实现系统日志异常行为的自动识别与判定。在Hadoop分布式文件系统（HDFS）与BGL两个公开数据集上的实验结果表明：所提方法的检测准确率、精确率、召回率及F₁分数指标均优于DeepLog、LogAnomaly等主流方法，提升了复杂日志场景下异常检测的准确性与适应能力，为智能运维环境中的故障发现与系统安全保障提供了有效的技术路径。