专利交易市场

本发明涉及基于组件感知的日志异常检测方法，该方法将目标软件的日志消息转换为日志模板序列和组件序列，然后进行模型训练，将两个LSTM模型组合使用，两个LSTM模型训练使用相同的损失函数，采用梯度下降优化算法更行参数值，训练完成得到由日志检测模型和组件检测模型构成的组合模型；将t-h到t-1时刻的所有日志数据的参考日志模板序列和参考组件序列输入组合模型得到可能日志模板集和可能组件模板集；当t时刻日志消息mt的待测日志模板序列在可能日志模板集中，且t时刻日志消息mt的待测组件序列在可能组件模板集Cg中，则认为日志消息mt为正常日志，否则产生系统告。试验结果表明，本发明方法的召回率和F值更高，表现更好。

本发明公开了一种基于程序日志数据的系统异常检测方法，包括如下步骤：从大量的日志消息中抽取出日志模板；将日志消息序列转换为日志模板编号序列，并根据系统正常运行过程中采集的日志消息序列训练日志模板编号预测模型，然后，根据预测结果和实时写出的对比实现异常检测；从系统正常运行过程中采集的日志消息集合中抽取所有日志参数及其取值范围。然后，根据日志参数的实时取值与正常取值范围的差异实现异常检测。该发明的优势在于：模型自动阅读海量程序日志并从中发现异常，大大减少了人工运维的工作量；模型以无监督的方式训练，无需提供有标注的异常训练样本，大大降低了模型实施的成本。

本发明涉及一种NGINX日志分析方法及系统，涉及NGINX日志分析领域：该方法包括：获取NGINX日志配置文件路径；根据NGINX日志配置文件路径读取NGINX日志配置信息；根据NGINX日志配置信息确定NGINX日志格式拼装执行脚本；提取NGINX日志中待分析部分，采用NGINX日志格式拼装执行脚本对待分析部分进行格式转换并保存格式转换后的执行结果；根据执行结果确定所述待分析部分的分析结果；通过显示器显示分析结果。本发明提高了NGINX日志分析效率。

本发明公开了一种基于本体知识库的半自动日志分析方法及系统，方法包括：当程序运行出现异常事件时，获取异常日志和用于对比的正常日志；访问本体知识库，获取异常事件对应的特征值集合；对特征值集合中的特征值进行优先级排序，按优先级先后顺序依次检查所述异常日志中与所述特征值对应的值是否异常，当是时，则记录所述异常日志中的异常特征值,接着判断标志位clusterMark是否为false，当是时，则根据本体知识库的描述，输出结果分析报告同时将各操作信息数据更新到关联数据库中，结束流程。本发明通过将本体知识库应用到智能日志分析领域，初步解放人力，减少了人力资源消耗，同时显著提高了debug工作效率。

本发明提供了一种日志依赖图的构建方法、电子设备及存储介质，该方法包括：根据每一待处理日志文件的日志参数信息对应的事件过程，对若干待处理日志文件进行分组，得到若干个待处理日志文件组；确定每个待处理日志文件的故障值；根据每一待处理日志文件组中的若干待处理日志文件之间的依赖关系，确定该待处理日志文件组中的若干待处理日志文件对应的文件节点之间的连接关系；根据连接关系和故障值，确定每一待处理日志文件组的日志依赖图。本发明在系统发生故障时，通过日志依赖图将故障指标和对应的导致该故障发生原因的指标进行显示，从而直观显示故障，有助于提高故障根因分析的准确性和可解释性，以便运维人员能更直观更快速地采取措施。