[发明专利]基于深度学习的操作系统的异常日志的处理方法及装置

说明书

本发明提供了一种基于深度学习的操作系统的异常日志的处理方法及装置，上述方法包括：获取目标系统的操作系统日志；将所述操作系统日志输入到二分类模型中，以确定所述操作系统日志中的正常日志和异常日志；使用深度学习网络模型对所述异常日志进行分析，得到所述异常日志对应的解决策略，其中，所述深度学习网络模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：异常日志，以及异常日志对应的解决策略，采用上述技术方案，解决了相关技术中，解决操作系统故障的过程，耗时耗力，效率低下等问题，进而能够省时高效的确认操作系统的故障。

技术领域

本发明涉及通信领域，具体而言，涉及一种基于深度学习的操作系统的异常日志的处理方法及装置。

背景技术

操作系统日志反映了系统运行状态，记录着系统中特定事件的活动信息，基于系统日志检测系统异常，对维护系统安全稳定有重要的意义。传统的系统故障处理思路是在系统故障发出告警后，人工分析故障原因，而经研究发现通过分析系统日志可以更敏锐的探测出系统隐患和异常以及可能出现的故障。

在相关技术中，提供了一种基于linux操作系统信息自动分析故障的方法，该方法首先获取linux操作系统信息，并根据不同故障类别及故障部件形成故障规则库；根据故障规则库中的故障规则对操作系统信息进行自动分析，当匹配到对应故障规则后，给出问题描述及故障解决办法，并保存分析结果。该基于linux操作系统信息自动分析故障的方法，获取linux操作系统信息并根据日常故障的规律及处理办法形成一个故障规则库，当linux操作系统出现故障时，查看故障规则库中的信息即可找到相应的解决办法，但现有技术中，根据故障类别和故障部件建立故障规则库，通过匹配故障规则确定解决方案的方式，基于操作系统已经产生的故障类型和故障部件匹配解决方案，需要人工分析故障原因制定解决方案的方式，需要分析大量数据，这种方式效率低下、耗时耗力。

由于各种操作系统组件相对比较复杂，操作系统产生故障的原因可能是多种多样，并且操作系统日志信息数量巨大，当操作系统出现故障时，需要技术人员通过查看大量的系统日志进行故障分析，找到相应的故障原因，再根据找到的故障原因制定故障解决方案，使得解决操作系统故障的过程，耗时耗力，效率低下。

针对相关技术中，解决操作系统故障的过程，耗时耗力，效率低下等问题，尚未提出有效的技术方案。

发明内容

本发明实施例提供了一种基于深度学习的操作系统的异常日志的处理方法及装置，以至少解决相关技术中，解决操作系统故障的过程，耗时耗力，效率低下等问题。

根据本发明的一个实施例，提供了一种基于深度学习的操作系统的异常日志的处理方法，包括：获取目标系统的操作系统日志；将所述操作系统日志输入到二分类模型中，以确定所述操作系统日志中的正常日志和异常日志；使用深度学习网络模型对所述异常日志进行分析，得到所述异常日志对应的解决策略，其中，所述深度学习网络模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：异常日志，以及异常日志对应的解决策略。

在本发明实施例中，将操作系统日志输入到二分类模型中，以确定操作系统日志中的正常日志和异常日志之前，上述方法还包括：将操作系统日志转换为词向量；将转换后的词向量输入到二分类模型中。

在本发明实施例中，将操作系统日志输入到二分类模型中，以确定操作系统日志中的正常日志和异常日志之后，上述方法还包括：对异常日志进行聚类处理，分成K类，其中，K为大于1的整数；将K类异常日志输入到深度学习网络模型中。

在本发明实施例中，使用深度学习网络模型对异常日志进行分析，得到异常日志对应的解决策略，上述方法还包括：对异常日志进行标签，得到目标异常日志；使用深度学习网络模型对异常日志进行分析，得到目标异常日志对应的解决策略。