基于BERT微调与特征融合的在线日志异常检测方法

摘要

针对日志异常检测中快速性和检测精度难以协同优化的问题，提出了一种基于双向编码器表征模型微调与多特征融合的在线日志异常检测方法(log triple feature representation using BERT,LogTri-BERT)。设计了一种双阶段处理架构，通过TinyBERT微调实现离线阶段日志语义的深度表征学习，利用多路搜索树(ternary search tree, TST)和滑动窗口机制，提取在线阶段的事件突变点密度特征，融合时序信息与语义嵌入特征形成联合表征向量，最终通过XGBoost (extreme gradient boosting)分类器实现高效判别。实验结果表明，LogTri-BERT在公开基准数据集上的分类速度和准确性均优于基线方法。

关键词

日志分析 / BERT模型 / TST算法 / 日志异常检测