买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利基于GPT2-PCA的网络日志异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119544248B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411351200.1，技术领域涉及：H04L9/40；该发明授权基于GPT2-PCA的网络日志异常检测方法及系统是由陈伟;高子昂;李青芸;尹圳;吴礼发;苗春雨;范渊设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本基于GPT2-PCA的网络日志异常检测方法及系统在说明书摘要公布了：本发明公开了一种基于GPT2‑PCA的网络日志异常检测方法及系统，采集日志消息；将日志消息进行预处理得到日志消息集合；将日志消息进行结构化表示得到结构化日志集合；进行序列化得到序列化日志集合；通过序列化日志集合预训练GPT‑2模型，使用训练好的GPT‑2模型对日志消息进行特征提取，得到日志嵌入向量集合；根据日志嵌入向量集合训练基于PCA的分类模型，使用训练好的基于PCA的分类模型进行异常检测。本发明能够支持细粒度预处理多种设备和应用的日志，能在更长的上下文中捕获日志的正常行为模式，能有效提高检测的速度和精度。

本发明授权基于GPT2-PCA的网络日志异常检测方法及系统在权利要求书中公布了：1.一种基于GPT2-PCA的网络日志异常检测方法，其特征在于，包括以下步骤： 步骤S1、采集日志消息；将日志消息进行预处理得到日志消息集合； 步骤S2、根据日志消息集合将日志消息进行结构化表示得到结构化日志集合； 步骤S3、根据结构化日志集合将日志消息进行序列化得到序列化日志集合； 步骤S4、通过序列化日志集合预训练GPT-2模型，使用训练好的GPT-2模型对日志消息进行特征提取，得到日志嵌入向量集合； 通过序列化日志集合预训练GPT-2模型，使用训练好的GPT-2模型对日志消息进行特征提取的方法是，使用大量无标签日志对GPT-2模型进行训练，然后使用训练好的GPT-2模型对待检测日志序列进行特征提取； 预训练GPT-2模型的目标函数定义如下： 其中，表示目标损失函数，是日志序列的数量，是每个序列的长度，表示在给定序列的情况下，GPT-2在第个位置预测的日志键的概率，表示第t+1个位置为日志键，表示给定序列的至个日志键； 经过预训练后，GPT-2模型能够基于给定的日志序列片段生成一个日志序列，表示预测的第个位置的日志键为，表示序列的长度； 将待检测的序列化日志，输入预训练后的GPT-2模型，获取GPT-2模型输出的最后一层隐藏层，然后提取每个序列的最后一个token的向量，作为语义向量，形成日志嵌入向量集合，，表示日志序列的数量； GPT-2模型的结构如下： 其中，表示使用Transformer解码器对进行解码，表示从Transformer解码器中导出的隐藏层表示，表示对隐藏状态经过权重矩阵变换后生成的分数应用归一化函数，从而得到一个概率分布，表示在给定序列的情况下，GPT-2在第个位置预测的日志键的概率，是语言模型的头部参数，表示实数域，表示向量的长度，表示包含所有可能日志键的集合； 步骤S5、根据日志嵌入向量集合训练基于PCA的分类模型，使用训练好的基于PCA的分类模型进行异常检测； 使用训练好的基于PCA的分类模型进行异常检测的方法是，构建一个正常样本空间和一个异常样本空间，然后将每个日志序列向量通过公式投影到正常空间上，其中，,表示具有前大特征值的特征向量，为日志序列主成分数量，为在正常空间上的投影；同样的，将通过公式投影到异常空间上，其中为标准单位矩阵；使用平方预测误差来确定传入的日志序列在异常空间中是否是离群点；的SPE值通过公式来计算，通过与给定的阈值进行比较，如果SPE值大于，则被预测为异常日志序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210000 江苏省南京市亚东新城区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。