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！

龙图腾网获悉江苏省市场监督管理局数据中心申请的专利基于排序学习与注意力机制的日志异常行为分析方法及系统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：CN120407337B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510732212.7，技术领域涉及：G06F11/30；该发明授权基于排序学习与注意力机制的日志异常行为分析方法及系统是由郭锦华;卜意磊;张文茜;南乐;王瑶;朱涛;殷文浩;袁伟建;蔡苏平;李青;呼晓瑶;施勤;李嘉硕;庞文迪;曹卫;唐建;陆晓设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本基于排序学习与注意力机制的日志异常行为分析方法及系统在说明书摘要公布了：本发明公开了基于排序学习与注意力机制的日志异常行为分析方法及系统，涉及系统运维技术领域。该方法包括：对原始日志数据进行结构化解析并构建日志序列；通过周期神经分解提取周期分量、趋势分量与残差分量；基于服务调用关系生成运行相位标签并标注日志序列；利用相位感知的多头注意力机制建模日志事件间的关联结构，结合排序学习策略输出异常评分；融合周期稳定性指标与异常评分构建健康度量值，并基于联合结果执行异常判定与告警策略控制；在训练与推理过程中引入结构受限对抗样本机制与结构偏离检测，增强模型对结构扰动的鲁棒性。本发明具备周期建模自适应性强、异常检测精度高、结构防御能力优等技术优势。

本发明授权基于排序学习与注意力机制的日志异常行为分析方法及系统在权利要求书中公布了：1.基于排序学习与注意力机制的日志异常行为分析方法，其特征在于，所述方法包括： 对目标系统中采集的原始日志数据进行结构化解析，提取日志时间戳、事件类型和内容参数，生成日志序列； 对所述日志序列执行周期神经分解，通过频谱引导周期基函数完成信号分解，得到周期分量、趋势分量和残差分量，其中周期基函数的参数随系统部署版本动态调整；所述执行周期神经分解的实现方法具体包括： 将日志序列中每条日志数据的事件强度或嵌入向量构建为时间连续信号，利用快速傅里叶变换提取主导频率构成周期基函数候选集； 从所述周期基函数候选集中选择频率分量构建周期基函数集合，每个周期基函数定义为：； 所述周期分量由多个周期基函数加权叠加形成，表示为：； 通过引入稀疏正则化损失项抑制冗余基函数：； 式中，为第个周期基函数在时间的输出；、、分别为第个周期基函数的幅值、频率和相位偏移；为时间下的原始输入信号，为对原始输入信号的周期部分重建结果；表示选取用于重建周期信号的周期基函数总数；为优化过程中的总损失函数；为稀疏性控制系数； 将残差分量定义为，并结合滑动平均提取趋势分量，所述趋势分量与周期分量一同参与后续的周期稳定性分析与健康度量； 根据系统部署版本的元信息动态调整周期基函数集合中可训练参数的初始化方式与候选频率范围，以增强周期分解在系统版本变更场景下的适应能力； 基于目标系统中微服务之间的调用关系建立服务拓扑图，依据依赖路径及追踪标识识别运行相位边界，为日志序列中每条日志数据分配相位标签； 将所述残差分量与相位标签按时间顺序划分为多个时间窗口输入序列学习模型，所述序列学习模型包括相位感知的多头注意力机制，依据相位标签动态调整注意力计算范围，使同一相位内的日志事件获得高注意力权重； 采用排序学习策略训练所述序列学习模型，最小化日志序列对的排序误差，使异常日志序列获得高于正常日志序列的异常评分； 对所述周期分量执行形态相似性分析，基于动态时间规整方法计算当前与历史周期的相似度，结合趋势分量生成周期稳定性指标； 将所述周期稳定性指标与所述异常评分执行加权融合，获得用于反映目标系统运行状态的健康度量值； 基于所述健康度量值和所述异常评分的联合结果，确定异常事件检测结果，或动态调整后续告警策略与判定阈值。

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江苏省市场监督管理局数据中心，其通讯地址为：211000 江苏省南京市鼓楼区草场门大街107号龙江大厦16楼；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。