融合Transformer与1D-CNN的日志异常检测方法.pdfVIP

第卷第期西安工业大学学报

451Vol.45No.1

年月’

20252JournalofXianTechnoloicalUniversitFeb.2025

gy

:/://

DOI10.16185..2025.01.405htt

jjp

融合与的日志异常检测方法*

Transformer1DCNN

,

赵海鹏容晓峰

(,)

西安工业大学计算机科学与工程学院西安710021

:

摘要为了解决现有日志异常检测方法在均衡日志序列的全局趋势和局部特征方面的不

,。

足提出一种基于自编码器的无监督日志异常检测方法该方法采用多层Transformer堆叠

,,

组成编码器提取具备完整性和全局依赖性的多层融合特征并通过1DCNN与全连接神经

,。,

网络构成的解码器聚焦数据的局部特征重构输入数据实验结果表明该方法能够准确表示

,、,

并识别数据特征分别在三种公开数据集中取得和的最高值较基准

99.7%97.5%96.4%F1

。,

方法LoAnomal平均提高7.9%此外通过消融实验验证了该方法在特征提取模块的有效

gy

性及其对实验结果的影响。

:;;;;

关键词日志数据异常检测自编码器融合特征

Transformer

中图号:文献标志码:文章编号:()

TP391A1673-9965202501-0138-11

LoAnomalDetectionMethodInteratin

gygg

Transformerand1DCNN

,