System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及日志上报,具体涉及一种可穿戴设备中异常日志的上报方法及系统。
技术介绍
1、随着科技的快速发展,智能手环、电话手表等可穿戴设备已成为人们日常生活在必不可少的电子设备。在可穿戴设备使用过程中,经常会出现系统错误或应用程序运行错误等问题,进而会生成异常日志。
2、现有技术中,当可穿戴设备的应用程序发生故障时,通常是基于规则的方式来检测可穿戴设备的异常日志,然后再通过人工复查以处理异常日志所反映的问题。然而,随着可穿戴设备越来越智能化,设备日志通常包含海量数据,故障类型较多且变化速度快,存在大量无意义的疑似异常日志,这给日志异常检测带来了巨大挑战,导致误报率过高,并且,现有异常检测方法对原始日志信息提取过程中会丢失很多关键信息,对日志信息的利用程度不高。
技术实现思路
1、针对现有技术中的缺陷,本专利技术提供一种可穿戴设备中异常日志的上报方法及系统。
2、第一方面,一种可穿戴设备中异常日志的上报方法,包括:
3、监听并采集可穿戴设备的日志数据;
4、对所述日志数据进行预处理,基于预处理后的日志数据进行分组聚类,以提取日志模板;
5、根据所述日志模板获取日志序列集合,并基于所述日志序列集合提取日志关键特征;
6、根据所述日志关键特征对日志数据进行异常检测,根据异常检测结果向可穿戴设备进行异常响应,并向后台服务端上报异常事件。
7、进一步地,所述对所述日志数据进行预处理,具体为:
8
9、将所述变量字符从日志内容中进行分离并剔除,得到非变量日志;
10、对所述非变量日志进行标准化处理,以缩减日志内容中字符串空格,并分离得到多个非变量单词;
11、根据所述非变量单词构建对应的日志语句,以获取预处理后的日志数据。
12、进一步地,所述基于预处理后的日志数据进行分组聚类,以提取日志模板,具体为:
13、构建日志解析树,并根据所述预处理后的日志数据基于日志解析树生成多个日志分组;
14、计算所述多个日志分组中日志语句之间的相似度,获取相似度大于阈值的相似语句组,根据所述相似语句组中的日志语句生成初始语句模板;
15、分别获取所述初始语句模板每个日志语句中相同非变量单词的出现次数,并计算各非变量单词的权重;
16、将所述非变量单词按照预设的规则转换为语义向量,根据所述权重将初始语句模板对应日志语句中的非变量单词进行加权运算,以得到对应的语义向量集合;
17、基于所述语义向量集合对初始语句模板进行聚类,以生成具有语义信息的日志模板。
18、进一步地,所述根据所述日志模板获取日志序列集合,并基于所述日志序列集合提取日志关键特征,具体为:
19、根据所述日志模板将可穿戴设备的日志数据分割为多个日志序列,并生成日志序列集合;
20、基于所述日志序列集合提取日志序列中的日志关键特征;
21、所述日志关键特征包括时序特征、不变量特征以及统计特征。
22、进一步地,所述根据所述日志关键特征对日志数据进行异常检测,根据异常检测结果向可穿戴设备进行异常响应,并向后台服务端上报异常事件,具体为:
23、预先构建神经网络模型,所述神经网络模型由at-cnn-bigru模型和gbdt模型构成;
24、将所述时序特征输入至at-cnn-bigru模型中,将所述不变量特征和统计特征输入至gbdt模型中,以对日志数据进行异常检测;
25、根据所述异常检测结果识别异常日志,根据所述异常日志向可穿戴设备进行异常响应,并向后台服务端上报异常事件。
26、第二方面,一种可穿戴设备中异常日志的上报系统,包括:
27、数据监听模块:用于监听并采集可穿戴设备的日志数据;
28、模板提取模块:用于对所述日志数据进行预处理,基于预处理后的日志数据进行分组聚类,以提取日志模板;
29、特征提取模块:用于根据所述日志模板获取日志序列集合,并基于所述日志序列集合提取日志关键特征;
30、异常上报模块:用于根据所述日志关键特征对日志数据进行异常检测,根据异常检测结果向可穿戴设备进行异常响应,并向后台服务端上报异常事件。
31、进一步地,所述模板提取模块具体用于:
32、遍历所述日志数据的所有日志内容,并进行正则表达式匹配,以定位日志数据中的变量字符;
33、将所述变量字符从日志内容中进行分离并剔除,得到非变量日志;
34、对所述非变量日志进行标准化处理,以缩减日志内容中字符串空格,并分离得到多个非变量单词;
35、根据所述非变量单词构建对应的日志语句,以获取预处理后的日志数据。
36、进一步地,所述模板提取模块还用于:
37、构建日志解析树,并根据所述预处理后的日志数据基于日志解析树生成多个日志分组;
38、计算所述多个日志分组中日志语句之间的相似度,获取相似度大于阈值的相似语句组,根据所述相似语句组中的日志语句生成初始语句模板;
39、分别获取所述初始语句模板每个日志语句中相同非变量单词的出现次数,并计算各非变量单词的权重;
40、将所述非变量单词按照预设的规则转换为语义向量,根据所述权重将初始语句模板对应日志语句中的非变量单词进行加权运算,以得到对应的语义向量集合;
41、基于所述语义向量集合对初始语句模板进行聚类,以生成具有语义信息的日志模板。
42、进一步地,所述特征提取模块具体用于:
43、根据所述日志模板将可穿戴设备的日志数据分割为多个日志序列,并生成日志序列集合;
44、基于所述日志序列集合提取日志序列中的日志关键特征;
45、所述日志关键特征包括时序特征、不变量特征以及统计特征。
46、进一步地,所述异常上报模块具体用于:
47、预先构建神经网络模型,所述神经网络模型由at-cnn-bigru模型和gbdt模型构成;
48、将所述时序特征输入至at-cnn-bigru模型中,将所述不变量特征和统计特征输入至gbdt模型中,以对日志数据进行异常检测;
49、根据所述异常检测结果识别异常日志,根据所述异常日志向可穿戴设备进行异常响应,并向后台服务端上报异常事件。
50、本专利技术的有益效果体现在:对监听到的可穿戴设备日志数据进行分组聚类并提取日志模板,基于日志模板获取日志序列集合并提取日志关键特征,进而根据日志关键特征基于神经网络模型对日志数据进行异常检测,及时进行异常响应和异常事件上报,能对大量日志数据进行处理,有效利用日志数据的各项关键特征,提高了可穿戴设备日志异常检测准确度。
本文档来自技高网...【技术保护点】
1.一种可穿戴设备中异常日志的上报方法,其特征在于,包括:
2.根据权利要求1所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述对所述日志数据进行预处理,具体为:
3.根据权利要求2所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述基于预处理后的日志数据进行分组聚类,以提取日志模板,具体为:
4.根据权利要求1所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述根据所述日志模板获取日志序列集合,并基于所述日志序列集合提取日志关键特征,具体为:
5.根据权利要求4所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述根据所述日志关键特征对日志数据进行异常检测,根据异常检测结果向可穿戴设备进行异常响应,并向后台服务端上报异常事件,具体为:
6.一种可穿戴设备中异常日志的上报系统,其特征在于,包括:
7.根据权利要求6所述的一种可穿戴设备中异常日志的上报系统,其特征在于,所述模板提取模块具体用于:
8.根据权利要求7所述的一种可穿戴设备中异常日志的上报系统,其特征在于,所述模板
9.根据权利要求6所述的一种可穿戴设备中异常日志的上报系统,其特征在于,所述特征提取模块具体用于:
10.根据权利要求9所述的一种可穿戴设备中异常日志的上报系统,其特征在于,所述异常上报模块具体用于:
...【技术特征摘要】
1.一种可穿戴设备中异常日志的上报方法,其特征在于,包括:
2.根据权利要求1所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述对所述日志数据进行预处理,具体为:
3.根据权利要求2所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述基于预处理后的日志数据进行分组聚类,以提取日志模板,具体为:
4.根据权利要求1所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述根据所述日志模板获取日志序列集合,并基于所述日志序列集合提取日志关键特征,具体为:
5.根据权利要求4所述的一种可穿戴设备中异常日志的上报方法,其特征在于,所述根据所述日志关键特征对日...
【专利技术属性】
技术研发人员:洪继进,
申请(专利权)人:深圳市腾进达信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。