-
公开(公告)号：CN103514398B
公开(公告)日：2016-08-17
申请号：CN201310492962.9
申请日：2013-10-18
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种实时在线日志检测方法，包括：步骤1：将整个的训练日志转换为一个离散事件序列；步骤2：建立一个检测模型；步骤3：将待测日志分段生成至少一个日志段，并为每个日志段分配日志段序列；步骤4：对一个日志段进行异常程度评分，得到相对熵；步骤5：判断相对熵是否为正值，如果是，当前日志段异常，跳至步骤7；否则，当前日志段为正常；步骤6：判断相对熵是否大于阈值，如果是，当前日志段为异常；否则，跳至步骤8；步骤7：发送异常警告给用户，待检测程序恢复到检测所述日志段之前的状态；步骤8：判断异常日志中是否存在未评分日志段，如果是，跳转至步骤4；否则，结束。本发明可实时检测异常，且不需要设置复杂的参数，简单有效。
-
公开(公告)号：CN103593433A
公开(公告)日：2014-02-19
申请号：CN201310559846.4
申请日：2013-11-12
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/30604 , G06F17/3089
Abstract: 本发明涉及一种面向海量时序数据的图数据处理方法及系统，预处理社交网络数据，并抽象出以顶点代表人物，以若干条带有时间戳的边代表人物间互动关系的图结构；该表示方法能够有效的表示有互动时序关系的社交网络关系；根据名人效应将图结构按照预定的欧式距离切分成若干个图结构块，并给图结构块及其内部的顶点编号；按照内存组织方式将图结构块导入内存的相应位置中；该内存存储方式充分利用了图数据的分布特性，能达到高效的存储和查询性能；本发明本着节省计算时间和内存空间的原则，改进了原始以顶点为计算单元的编程模型，而是采用以消息为计算单元的编程模型，这种方式在很大程度上节省了计算时间，也节约了存储空间。
-
公开(公告)号：CN103593433B
公开(公告)日：2016-11-02
申请号：CN201310559846.4
申请日：2013-11-12
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
Abstract: 本发明涉及一种面向海量时序数据的图数据处理方法及系统，预处理社交网络数据，并抽象出以顶点代表人物，以若干条带有时间戳的边代表人物间互动关系的图结构；该表示方法能够有效的表示有互动时序关系的社交网络关系；根据名人效应将图结构按照预定的欧式距离切分成若干个图结构块，并给图结构块及其内部的顶点编号；按照内存组织方式将图结构块导入内存的相应位置中；该内存存储方式充分利用了图数据的分布特性，能达到高效的存储和查询性能；本发明本着节省计算时间和内存空间的原则，改进了原始以顶点为计算单元的编程模型，而是采用以消息为计算单元的编程模型，这种方式在很大程度上节省了计算时间，也节约了存储空间。
-
公开(公告)号：CN103514398A
公开(公告)日：2014-01-15
申请号：CN201310492962.9
申请日：2013-10-18
Applicant: 中国科学院信息工程研究所
CPC classification number: G06F21/552 , G06F21/554 , G06F21/577 , G06F2221/033 , G06F2221/034
Abstract: 本发明涉及一种实时在线日志检测方法，包括：步骤1：将整个的训练日志转换为一个离散事件序列；步骤2：建立一个检测模型；步骤3：将待测日志分段生成至少一个日志段，并为每个日志段分配日志段序列；步骤4：对一个日志段进行异常程度评分，得到相对熵；步骤5：判断相对熵是否为正值，如果是，当前日志段异常，跳至步骤7；否则，当前日志段为正常；步骤6：判断相对熵是否大于阈值，如果是，当前日志段为异常；否则，跳至步骤8；步骤7：发送异常警告给用户，待检测程序恢复到检测所述日志段之前的状态；步骤8：判断异常日志中是否存在未评分日志段，如果是，跳转至步骤4；否则，结束。本发明可实时检测异常，且不需要设置复杂的参数，简单有效。
-
-
-
Search Results
4
records
(took 0.031 seconds)
