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！

龙图腾网获悉河北雄安方知科技有限公司申请的专利一种基于自监督学习的多平台日志异常识别与分析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：CN121092356B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511184956.6，技术领域涉及：G06F11/07；该发明授权一种基于自监督学习的多平台日志异常识别与分析方法是由曹志远;闫娇娇设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种基于自监督学习的多平台日志异常识别与分析方法在说明书摘要公布了：本发明公开了一种基于自监督学习的多平台日志异常识别与分析方法，包括如下步骤：采集多平台数据并预处理，构建调用链关系图，生成标准化日志序列；进行会话化拼接，生成会话化日志序列；将会话化日志序列输入扩展型LogBERT模型，生成多粒度日志表征向量；通过基于梯度反转的对抗训练和跨平台对比对齐进行跨平台域对齐处理，生成统一嵌入空间中的跨平台日志表征；采用一类分类检测方法和置信区间校准确定异常检测结果；利用图注意力机制和时序相关性分析生成根因分析结果；根据异常检测结果和根因分析结果生成异常报告。本发明提高了多平台日志异常检测的准确性和根因分析的精度，适用于跨平台运维与监控场景。

本发明授权一种基于自监督学习的多平台日志异常识别与分析方法在权利要求书中公布了：1.一种基于自监督学习的多平台日志异常识别与分析方法，其特征在于，包括如下步骤： 采集多个运行平台的日志数据，并进行预处理，构建调用链关系图，生成标准化日志序列； 利用标准化日志序列中包含的请求标识、时间窗口信息和调用链关系进行会话化拼接，生成会话化日志序列； 将会话化日志序列输入扩展型LogBERT模型，执行模板槽位掩码预测、时间顺序预测、服务上下文预测和多模态对比学习，生成多粒度日志表征向量； 通过基于梯度反转的对抗训练和跨平台对比对齐，对多粒度日志表征向量进行跨平台域对齐处理，生成统一嵌入空间中的跨平台日志表征； 采用一类分类检测方法计算跨平台日志表征的异常评分，并利用置信区间校准生成运行平台自适应的异常检测阈值，根据异常评分和异常检测阈值确定异常检测结果； 将异常检测结果对应的跨平台日志表征映射至调用链关系图，利用图注意力机制和时序相关性分析确定异常对应的嫌疑组件、嫌疑版本或嫌疑配置项，并从日志数据中提取关键日志片段作为根因证据，生成根因分析结果； 根据异常检测结果和根因分析结果，计算受影响的请求数量、用户数量和服务级指标变化，生成异常报告； 所述将会话化日志序列输入扩展型LogBERT模型，执行模板槽位掩码预测、时间顺序预测、服务上下文预测和多模态对比学习，生成多粒度日志表征向量，具体包括： 将会话化日志序列中的各字段进行嵌入映射，生成输入向量序列并输入至扩展型LogBERT模型； 所述扩展型LogBERT模型包括嵌入层、编码层和输出层，编码层包括模板掩码预测任务和时间顺序预测任务，增加服务上下文预测任务和多模态对比学习任务； 模板掩码预测任务在输入向量序列的模板标识位置按设定比例随机替换为掩码标记，并利用编码层的上下文表示通过分类器预测被替换位置的模板标识； 时间顺序预测任务对输入向量序列的时间戳索引顺序进行随机置换，并基于编码层的上下文表示通过顺序判别网络预测置换前的时间顺序排列； 服务上下文预测任务在输入向量序列中屏蔽服务名称、版本号或配置标识对应的嵌入向量，并基于编码层的上下文表示通过多类别分类器预测被屏蔽字段的具体值； 多模态对比学习任务将编码层的输向量出与运行平台属性向量以及调用链关系图中节点或边的表征向量分别经过特征归一化处理，构建正样本对和负样本对，并利用对比损失函数最大化正样本对的余弦相似度、最小化负样本对的余弦相似度； 将四个任务的损失函数按动态调整后的权重加权求和作为联合训练目标，采用反向传播优化Transformer编码层及各任务分支的参数，并将联合训练后的编码层输出经降维映射生成多粒度日志表征向量。

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河北雄安方知科技有限公司，其通讯地址为：071700 河北省保定市中国(河北)自由贸易试验区雄安片区容东明朗南街131号585(自主申报)；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”。

以上内容由龙图腾AI智能生成。