一种程序异常日志预测方法、装置、设备及存储介质制造方法及图纸

本说明书涉及数据处理技术领域，尤其涉及一种程序异常日志预测方法、装置、设备及存储介质。其方法包括，对原始日志进行正则切割获得多个日志集合，然后将多个日志集合分别进行词法分析得到对应的多个单词集；根据单词集构建样本集然后构建异常日志的随机森林模型；接着构建时间卷积神经网络，将所述随机森林模型和预设训练集一并传入所述时间卷积神经网络进行训练；最后使用黑洞运算优化所述时间卷积神经网络，得到最终异常日志预测序列。通过本说明书实施例，解决了现有技术中预测方法单一、预测精度较低，而且针对程序异常日志预测的研究少之又少的问题，从而提升预测精度和准确度，提高了资源的利用率。

【技术实现步骤摘要】

本说明书涉及数据处理，尤其涉及一种程序异常日志预测方法、装置、设备及存储介质。

技术介绍

1、随着网络应用和系统规模的扩大，在程序运行的过程中，会产生大量日志来记录程序运行时的状态和事件。日志是监视程序异常的重要手段之一。在对程序进行监视时，除了要准确识别日志中的异常，还需要对异常日志进行预测。预测结果不仅能提前甄别程序的异常行为，还能对程序即将发生的异常事件进行决策，从而调整程序执行路径。现有预测技术一般是通过回归统计、传统神经网络、卷积神经网络进行，预测方法单一、预测精度较低，而针对程序异常日志预测的研究少之又少。程序日志量庞大，而异常日志仅占一部分，其具有一定的时序规律性，同构度高。现有预测技术更多的是停留在文本上的预测，而忽略了异常日志的时序性，在处理超长序列或处理长时依赖的时候效果较差。

2、现在亟需一种程序异常日志预测方法，把原始日志切割成不同的块进行词法分析，从而使用黑洞算法优化时间卷积神经网络，提高其收敛速度和拟合精度，获得更优的网络。

技术实现思路

1、为解决现有技术中预测方法单本文档来自技高网...

【技术保护点】

1.一种程序异常日志预测方法，其特征在于，所述方法包括，

2.根据权利要求1所述的程序异常日志预测方法，其特征在于，对原始日志进行正则切割获得多个日志集合进一步包括，

3.根据权利要求2所述的程序异常日志预测方法，其特征在于，对所述多个日志集合分别进行词法分析得到对应的多个单词集进一步包括，

4.根据权利要求3所述的程序异常日志预测方法，其特征在于，根据所述多个单词集构建样本集，进一步包括，

5.根据权利要求4所述的程序异常日志预测方法，其特征在于，根据所述样本集构建异常日志的随机森林模型进一步包括，

6.根据权利要求5所述的程...

【技术特征摘要】

1.一种程序异常日志预测方法，其特征在于，所述方法包括，

2.根据权利要求1所述的程序异常日志预测方法，其特征在于，对原始日志进行正则切割获得多个日志集合进一步包括，

3.根据权利要求2所述的程序异常日志预测方法，其特征在于，对所述多个日志集合分别进行词法分析得到对应的多个单词集进一步包括，

4.根据权利要求3所述的程序异常日志预测方法，其特征在于，根据所述多个单词集构建样本集，进一步包括，

5.根据权利要求4所述的程序异常日志预测方法，其特征在于，根据所述样本集构建异常日志的随机森林模型进一步包括，

6.根据权利要求5所述的程序异常日志预测方法，其特征在于，构建时间卷积神...

【专利技术属性】
技术研发人员：吴汪洋，王道，郭龙，曾繁建，许奋旭，
申请(专利权)人：中信银行股份有限公司，
类型：发明
国别省市：