基于深度学习的操作系统的异常日志的处理方法及装置制造方法及图纸

本发明专利技术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。

Processing method and device of exception log based on deep learning operating system

【技术实现步骤摘要】
基于深度学习的操作系统的异常日志的处理方法及装置
本专利技术涉及通信领域，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。
技术介绍
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，通本文档来自技高网...

【技术保护点】
1.一种基于深度学习的操作系统的异常日志的处理方法，其特征在于，包括：/n获取目标系统的操作系统日志；/n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；/n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。/n

【技术特征摘要】
1.一种基于深度学习的操作系统的异常日志的处理方法，其特征在于，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。


2.根据权利要求1所述的方法，其特征在于，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之前，所述方法还包括：
将所述操作系统日志转换为词向量；
将转换后的词向量输入到所述二分类模型中。


3.根据权利要求1所述的方法，其特征在于，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之后，所述方法还包括：
对所述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类异常日志输入到所述深度学习网络模型中。


4.根据权利要求1所述的方法，其特征在于，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，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所述异常日志进行分析，得到所述目标异常日志对应的解决策略。


5.根据权利要求1所述的方法，其特征在于，使用深度学习网络模型对所述...

【专利技术属性】
技术研发人员：刘超，尹德帅，徐志方，马成东，钱学文，
申请(专利权)人：青岛海尔科技有限公司，
类型：发明
国别省市：山东;37