(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111620960.4 (22)申请日 2021.12.28 (71)申请人 上海淇玥信息技 术有限公司 地址 200333 上海市普陀区同普路80 0弄4 号1109室 (72)发明人 赵祥闯　邢吕亮　丘晓强　黄师亮　 (74)专利代理 机构 上海点威知识产权代理有限 公司 31326 代理人 杜焱 (51)Int.Cl. G06F 11/30(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的日志巡检方法、 装置和 电子设备 (57)摘要 本发明涉及计算机技术领域， 具体涉及一种 基于机器学习的日志巡检方法、 装置和电子设 备， 包括： 获取待巡检日志， 对所述待巡检日志进 行筛选， 得到异常日志； 对所述异常日志进行异 常日志模板匹配， 得到所述异常日志相对应的异 常日志模板； 基于所述异常日志模板对所述异常 日志进行特征提取， 得到异常日志特征集； 将所 述异常日志特征集输入到异常日志模 型中， 得到 所述异常日志的检测结果； 获取对 所述检测结果 的分析结果， 将所述分析结果反馈于所述异常日 志模型， 更新所述异常日志模型； 创建追踪任务， 对所述异常日志进行跟踪巡检。 本发 明通过自动 创建追踪任务实现对异常日志的追踪， 解放开发 人员， 利用模 型自动更新 持续提升异常日志的巡 检精度。 权利要求书2页 说明书11页 附图4页 CN 114297027 A 2022.04.08 CN 114297027 A 1.一种基于 机器学习的日志巡检方法， 其特 征在于， 包括： 获取待巡检日志， 对所述待巡检日志进行筛 选， 得到异常日志； 对所述异常日志进行异常日志模板匹配， 得到所述异常日志相对应的异常日志模板； 基于所述异常日志模板对所述异常日志进行 特征提取， 得到异常日志特 征集； 将所述异常日志特征集输入到基于机器学习的异常日志模型中， 得到所述异常日志的 检测结果； 获取对所述检测结果的分析结果， 将所述分析结果反馈于所述异常日志模型， 更新所 述异常日志模型； 创建追踪任务， 对所述异常日志进行跟踪巡检。 2.如权利要求1所述的基于机器学习的日志巡检方法， 其特征在于， 在获取待巡检日志 之前， 包括： 对历史日志进行代码扫描， 提取历史异常日志样本集； 通过正则表达式对所述历史异常日志样本集进行解析， 得到异常日志模版； 对所述异常日志模板分配唯一的身份标识， 并按照权重对所述异常日志模板进行重要 性等级划分； 基于所述异常日志模板提取所述历史异常日志样本集的历史异常日志特征集， 对所述 历史异常日志特 征集进行 特征处理； 将处理后的所述历史异常日志特征集输入到深度神经网络模型训练， 得到异常日志模 型。 3.如权利要求1 ‑2中任一项所述的基于机器学习的日志巡检方法， 其特征在于， 所述获 取待巡检日志， 包括： 实时监控写入日志 的目录， 将写入的日志以消息的形式传递给消息订阅中心， 得到所 述待巡检日志。 4.如权利要求1 ‑3中任一项所述的基于机器学习的日志巡检方法， 其特征在于， 所述基 于所述异常日志模板提取 所述历史异常日志样本集的历史异常日志特 征集， 包括： 按照所述异常日志模板的唯一身份标识对所述历史异常日志样本集进行统计， 并结合 所述异常日志模板的权 重进行均值、 方差处 理， 得到统计特 征； 和/或， 通过对比所述历史异常日志样本集中序列前后的值， 得到对比特 征； 和/或， 引入上下文特征； 将所述统计特征和/或所述对比特征和/或所述上下文特征结合， 得到所述历史异常日 志样本集的异常日志特 征集。 5.如权利要求1 ‑4中任一项所述的基于机器学习的日志巡检方法， 其特征在于， 在提取 历史异常日志样本集之后， 包括： 对所述历史异常日志样本集进行 过采样处 理。 6.如权利要求1 ‑5中任一项所述的基于机器学习的日志巡检方法， 其特征在于， 所述对 所述历史异常日志特 征集进行 特征处理， 包括： 利用一位有效编码将所述历史异常日志特征集中的离散特征进行编码， 得到二值特 征； 对所述历史异常日志特 征集进行 特征缩放， 得到处 理后的所述历史异常日志特 征集。权　利　要　求　书 1/2 页 2 CN 114297027 A 27.如权利要求1 ‑6中任一项所述的基于机器学习的日志巡检方法， 其特征在于， 所述通 过对比所述历史异常日志样本集中序列前后的值， 得到对比特 征， 包括： 利用差分和/或比例的对比方式对比所述历史日志样本集中序列前后的值， 得到所述 对比特征。 8.如权利要求1 ‑7中任一项所述的基于机器学习的日志巡检方法， 其特征在于， 所述得 到所述异常日志的检测结果， 包括： 以F分数作为评估指标， 通过网格搜索算法、 k 折交叉验证确定最优阈值； 根据所述最优阈值对所述异常日志模型的输出结果进行二分类， 得到所述异常日志的 检测结果。 9.一种基于 机器学习的日志巡检装置， 其特 征在于， 包括： 异常日志获取模块， 用于获取待巡检日志， 对所述待巡检日志进行筛选， 得到异常日 志； 模板匹配模块， 用于对所述异常日志进行异常日志模板匹配， 得到所述异常日志相对 应的异常日志模板； 特征提取模块， 用于基于所述异常日志模板对所述异常日志进行特征提取， 得到异常 日志特征集； 异常日志检测模块， 用于将所述异常日志特征集输入到基于机器学习的异常日志模型 中， 得到所述异常日志的检测结果； 模型更新模块， 用于获取对所述检测结果的分析结果， 将所述分析结果反馈于所述异 常日志模型， 更新所述异常日志模型； 追踪模块， 用于创建追踪任务， 对所述异常日志进行追踪巡检。 10.一种电子设备， 其中， 该电子设备包括： 处理器以及存储计算机可执行程序的存储器， 所述可执行程序在被执行时使所述处理 器执行根据权利要求1 ‑8中任一项所述的方法。 11.一种计算机可读存储介质， 其中， 所述计算机可读存储介质存储一个或多个程序， 所述一个或多个程序当被处 理器执行时， 实现权利要求1 ‑8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114297027 A 3