公开(公告)号：CN115934666B

公开(公告)日：2025-05-16

申请号：CN202211500810.4

申请日：2022-11-28

Applicant: 中南大学

Inventor： 林震 ,  胡超 ,  施鹤远 ,  费洪晓 ,  刘荣凯 ,  梁锴 ,  湛誉

IPC: G06F16/18 ,  G06F18/214 ,  G06F18/22 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本公开实施例中提供了一种基于图卷积神经网络的特征增强云容器异常日志分类方法，属于数据处理技术领域，具体包括：从异常日志数据集中读取异常日志；将异常日志划分为堆栈跟踪数据帧；将堆栈跟踪数据帧进行标记和裁剪；将堆栈跟踪数据帧构建为Bert模型的输入特征向量Fin；将输入特征向量Fin输入编码器中，输出特征向量Fout并分割为[FCLS,Flog]；构建一张图，将向量Flog当作点特征，向量FCLS的余弦相似性结果当作边关系，将该图输入到图卷积神经网络中；将图卷积神经网络特征增强后的异常日志特征向量经过全连接层和激活函数映射成一维特征向量，然后对该一维向量进行相似性度量，并据此对异常日志进行分类。通过本公开的方案，提高了异常日志分类的效率和精准度。

公开(公告)号：CN115934666A

公开(公告)日：2023-04-07

申请号：CN202211500810.4

申请日：2022-11-28

Applicant: 中南大学

Inventor： 林震 ,  胡超 ,  施鹤远 ,  费洪晓 ,  刘荣凯 ,  梁锴 ,  湛誉

IPC: G06F16/18 ,  G06F18/214 ,  G06F18/22 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本公开实施例中提供了一种基于图卷积神经网络的特征增强云容器异常日志分类方法，属于数据处理技术领域，具体包括：从异常日志数据集中读取异常日志；将异常日志划分为堆栈跟踪数据帧；将堆栈跟踪数据帧进行标记和裁剪；将堆栈跟踪数据帧构建为Bert模型的输入特征向量Fin；将输入特征向量Fin输入编码器中，输出特征向量Fout并分割为[FCLS,Flog]；构建一张图，将向量Flog当作点特征，向量FCLS的余弦相似性结果当作边关系，将该图输入到图卷积神经网络中；将图卷积神经网络特征增强后的异常日志特征向量经过全连接层和激活函数映射成一维特征向量，然后对该一维向量进行相似性度量，并据此对异常日志进行分类。通过本公开的方案，提高了异常日志分类的效率和精准度。