[发明专利]一种日志数据异常指向识别方法及装置

权利要求书

1.一种日志数据异常指向识别方法，其特征在于，该方法包括：

设置日志数据异常的采样与提取规则，获得所述日志中的异常数据；

对所述异常数据进行模式化处理，得到所述异常数据与其对应的异常标签的匹配关系，其中，所述异常标签为根据造成所述数据异常现象的根源进行构造的标签；

根据所述匹配关系，设置异常模式的损失函数，计算获得使得所述损失函数的值最小的参数值，所述根据所述匹配关系，设置异常模式的损失函数，计算获得使得所述损失函数的值最小的参数值，包括：

根据所述匹配关系，构造异常模式的训练集D_train，其中，

D_train＝{(x⁽¹⁾,y⁽¹⁾),(x⁽²⁾,y⁽²⁾),...,(x⁽ⁿ⁾,y⁽ⁿ⁾)}，式中，y⁽ⁱ⁾为异常数据x⁽ⁱ⁾对应的异常标签，i为数据异常的样本数；

根据所述训练集，构造所述异常模式的特征矩阵X，其中，

式中，X表示特征矩阵，表示第i个训练集的第j特征分量；

根据所述特征矩阵，构造损失函数L，其中，

式中，L为损失函数，为异常模式标签，y⁽ⁱ⁾为异常标签；

根据所述损失函数，计算获得使所述损失函数的值L最小的参数值

根据所述参数值生成数据异常判别函数，判断获得所述异常数据的指向。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述异常数据的指向，判断是否进行调节优化，如果是，则重新设置日志数据异常的采样与提取规则，如果否，则进行指向异常报警。

3.根据权利要求1所述的方法，其特征在于，所述设置日志数据异常的采样与提取规则，获得所述日志中的异常数据，包括：

依据所述日志在信息系统中的重要性和优先级，设置日志数据的采样频率；

根据预设原则，设置所述数据异常的提取规则，其中，所述预设原则包括单个数据范围超过数据定义域；或者整体数据集合范围超过数据定义域；或者数据结构不满足预设的数据结构；或者数据格式不满足预设的数据格式；或者数据不满足相关函数的依赖关系；或者数据为空集；

根据所述采样频率对所述日志进行采样，并根据所述提取规则提取所述日志数据中的异常数据；

建立所述异常数据与其所对应的提取规则的记录模式，并根据所述记录模式存储所述异常数据。

4.根据权利要求1所述的方法，其特征在于，所述对所述异常数据进行模式化处理，得到所述异常数据与其对应的异常标签的匹配关系，包括：

计算所述日志数据的单位模式周期T，其中，

T＝max{min[t(log₁)],min[t(log₂)],min[t(log₃)],K}

式中，T表示单位模式周期，函数t()表示取检测其中日志的最小周期，log_i,i＝1,2,3,K表示标号为i的日志；

构造所述异常数据的模式学习函数其中，

其中，n为属性数据的个数，X_i,(i＝0,1,2,L)为自变量表示在一个单位模式周期T内第i个属性数据各分量特征出现数据异常现象的次数，w_i(i＝0,1,2,L)为学习参数，v_i,v_j为对向量v_i,v_j求内积，gg(T)为关于单位模式周期T的量纲统一函数，α为T的训练参数，v_i,v_j分别标识交叉参数的共同项；

根据所述学习函数，计算获得所述异常数据与其对应的异常标签的匹配关系，其中，所述异常标签为根据造成所述数据异常现象的根源进行构造的标签。