买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连海事大学申请的专利基于时间间隔感知自注意力机制的日志序列异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115617614B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211339210.4，技术领域涉及：G06F11/30；该发明授权基于时间间隔感知自注意力机制的日志序列异常检测方法是由曹志英;徐伟刚;张秀国;李旺旺设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本基于时间间隔感知自注意力机制的日志序列异常检测方法在说明书摘要公布了：本发明提供一种基于时间间隔感知自注意力机制的日志序列异常检测方法，本发明在使用Transformer编码器提取日志序列特征的过程中引入了时间间隔感知自注意力机制，在计算注意力分数的过程中利用了日志模板的语义信息与时间间隔信息，提高获取日志之间关联信息的能力，使得模型能够学习到序列中日志之间的时间间隔对于异常检测的影响，提高了异常检测的准确率。同时，在利用BERT语言模型提取词向量的基础上，采用CNN聚合词向量生成日志模板的向量表示，学习单词本身及其上下文不同尺度的语义信息，使得模型能够适应软件更新过程中日志语句中的单词变化，提高了异常检测的鲁棒性。

本发明授权基于时间间隔感知自注意力机制的日志序列异常检测方法在权利要求书中公布了：1.一种基于时间间隔感知自注意力机制的日志序列异常检测方法，其特征在于，包括： 获取训练用的日志集合，对所述训练用的日志集合进行数据解析，从而生成日志模板序列和时间戳序列；根据所述时间戳序列计算序列中每个日志事件之间的相对时间间隔，从而获取时间间隔矩阵； 将所述的日志模板序列与时间间隔矩阵输入到基于时间间隔感知自注意力机制的异常检测模型中对整个模型进行有监督的训练，包括： 将所述日志模板序列输入到BERT模型进行词向量处理，从而获取日志模板序列的词向量； 通过一维卷积神经网络对所述日志模板序列的词向量进行模板向量提取，从而获取日志模板向量，包括： 将所述日志模板向量和时间间隔矩阵输入到Transformer编码器中获取日志序列向量，对日志模板向量进行位置编码，使用正弦和余弦函数为日志序列中的每个位置的日志事件生成向量如公式2所示： 其中t＝1,2,...y，代表向量的不同维度，PEi被添加到位置i处的日志模板向量ei，使得模型可以学习到每个日志事件的相对位置信息， 将加入了位置信息的日志模板向量序列输入到时间间隔感知自注意力层中，在注意力计算中加入了日志事件的时间间隔信息，将时间间隔矩阵扩展一个维度变为并与两个参数矩阵相乘得到时间间隔的键值矩阵和价值矩阵对序列中向量ei的注意力计算方式如公式3所示： 其中h为第h个注意力头，Dq＝Dk＝Dv＝yH,H为注意力头的数量，每个注意力头在计算时采用不同的可学习的参数矩阵，将每个头的运算结果进行拼接并与参数矩阵相乘得到新的日志模板向量表示，如公式4所示： zi＝ConcatA1,A2...,AHWO4； 将经过注意力计算的日志模板向量输入到前馈全连接层中，进行两次线性变换，如公式5所示，求得最终的日志序列向量： ri＝max0,zi·W1+b1W2+b25 其中最终的日志序列向量表示为R＝{r1,r2,...rn},ri∈Ry； 将所述日志序列向量输入到基于全连接神经网络的分类器中输出检测结果，基于所述检测结果计算损失并更新模型参数； 获取待检测的日志集合，对待检测的日志集合输入到训练后的基于时间间隔感知自注意力机制的日志序列异常检测模型中进行异常检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连海事大学，其通讯地址为：116026 辽宁省大连市高新园区凌海路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。