• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于雙向長短時記憶網(wǎng)絡(luò)的系統(tǒng)異常檢測方法

    2020-12-14 10:22:04張林棟劉培玉
    計算機應(yīng)用與軟件 2020年12期
    關(guān)鍵詞:檢測模型

    張林棟 魯 燃 劉培玉

    (山東師范大學(xué)信息科學(xué)與工程學(xué)院 山東 濟南 250014)(山東省分布式計算機軟件新技術(shù)重點實驗室 山東 濟南 250014)

    0 引 言

    系統(tǒng)日志異常檢測是計算機系統(tǒng)必不可少的任務(wù)。系統(tǒng)日志記錄了系統(tǒng)狀態(tài)和不同臨界點上的事件,可以用來幫助技術(shù)人員調(diào)試機器性能和檢測系統(tǒng)故障等問題,也是檢測系統(tǒng)是否異常的重要數(shù)據(jù)。系統(tǒng)日志異常檢測最早開始于人工檢測,但是人工檢測僅限于日志數(shù)據(jù)較少的環(huán)境,很難應(yīng)用于大數(shù)據(jù)的環(huán)境下。

    Xu等[1]提出了一種統(tǒng)計分析的方法,捕獲單一類型消息的發(fā)生頻率來進(jìn)行異常檢測,但是異常行為通常由復(fù)雜的若干個軟件組成,只進(jìn)行單一類型的異常檢測是遠(yuǎn)遠(yuǎn)不夠的。Yamanishi等[2]提出了一種基于機器學(xué)習(xí)的方法來檢測日志消息之間的相關(guān)性,解決了基于統(tǒng)計分析方法中不能對復(fù)雜系統(tǒng)異常檢測的問題。但是隨著系統(tǒng)的變化,該方法并不能很好地適應(yīng)新的日志模式。因此越來越多的學(xué)者開始利用神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)異常檢測。

    Brown等[3]運用自然語言處理的知識,提出了一種基于遞歸神經(jīng)網(wǎng)絡(luò)(RNN)語言模型,將注意力機制納入到RNN語言模型中。但是RNN所能存取的上下文信息范圍有限,由于其本身的激活函數(shù),在模型訓(xùn)練過程中會產(chǎn)生梯度消失和爆炸的問題,使得隱藏層的輸入對于網(wǎng)絡(luò)輸出的影響隨著網(wǎng)絡(luò)環(huán)路的不斷遞歸而衰退。為了克服RNN的缺點,Du等[4]提出了一種基于深度學(xué)習(xí)的系統(tǒng)日志異常檢測框架Deeplog,利用長短時記憶網(wǎng)絡(luò)(LSTM)對系統(tǒng)日志進(jìn)行異常檢測。與基于機器學(xué)習(xí)的方法[5-7]相比,該方法克服了RNN網(wǎng)絡(luò)的不足,而且具有很高的準(zhǔn)確率,但是由于LSTM網(wǎng)絡(luò)的結(jié)構(gòu)特性,在進(jìn)行異常檢測時只考慮了日志的前序事件對當(dāng)前事件的影響而忽略了后序事件對當(dāng)前事件的影響,使得結(jié)果很難具有說服性。

    因此,本文提出基于雙向長短時記憶網(wǎng)絡(luò)的日志路徑異常檢測模型。該模型有效地彌補了LSTM的不足,充分考慮前后事件對當(dāng)前事件的影響。與之前的方法相比,該模型在HDFS和OpenStack數(shù)據(jù)集上準(zhǔn)確率和F-measure都有顯著的提高。

    1 相關(guān)工作

    1.1 遞歸神經(jīng)網(wǎng)絡(luò)(RNN)

    RNN[8]是最早應(yīng)用在時序序列預(yù)測的算法之一,是唯一具有內(nèi)部存儲器的神經(jīng)網(wǎng)絡(luò)算法,能夠廣泛地適用于時間序列、語音、文本、財務(wù)數(shù)據(jù)、音頻、視頻、天氣等時序數(shù)據(jù)的處理。

    RNN具有獨特的循環(huán)機制,因此能夠在輸入和輸出序列之間的映射過程中充分利用上下文相關(guān)信息,綜合考慮前序事件和后序事件對當(dāng)前事件的影響。在RNN中,信息只在一個方向上移動。當(dāng)它作出決定時,會考慮當(dāng)前的輸入以及它從之前收到的輸入獲得想要的內(nèi)容。但是RNN也存在著顯著的缺點,在訓(xùn)練時會產(chǎn)生梯度爆炸等問題,并且RNN所能存取的上下文信息范圍非常有限,使得隱藏層的輸入對于網(wǎng)絡(luò)輸出的影響隨著網(wǎng)絡(luò)環(huán)路的不斷遞歸而衰退。

    1.2 長短時記憶網(wǎng)絡(luò)(LSTM)

    圖1 LSTM框架圖

    1.3 雙向長短時記憶網(wǎng)絡(luò)(Bi-LSTM)

    雙向長短時記憶網(wǎng)絡(luò)(Bi-LSTM)[10]模型如圖2所示,由前向傳播和后向傳播的LSTM網(wǎng)絡(luò)組成。該網(wǎng)絡(luò)結(jié)合了RNN和LSTM的優(yōu)點,既克服了RNN衰退的問題,又能夠利用LSTM網(wǎng)絡(luò)的優(yōu)勢,通過前向推算和后向推算,有效地結(jié)合前后事件對當(dāng)前事件的影響。

    圖2 Bi-LSTM網(wǎng)絡(luò)模型

    2 模型構(gòu)建

    2.1 異常檢測框架

    日志路徑異常檢測的框架如圖3所示。首先把正常執(zhí)行的日志文件通過日志解析器提取出對應(yīng)的日志鍵,并將一系列日志鍵建模成為一個時間序列。其次通過Bi-LSTM模型進(jìn)行訓(xùn)練,使模型充分學(xué)習(xí)日志鍵序列執(zhí)行模式。在進(jìn)行檢測時,將新的日志文件使用日志解析器構(gòu)造日志鍵序列,通過Bi-LSTM模型進(jìn)行檢測。若未發(fā)現(xiàn)異常則模型將序列標(biāo)記為正常;若檢測出異常,則將根據(jù)用戶的反饋來判斷是否發(fā)生誤判。如果發(fā)生誤判則通過在線更新優(yōu)化模型參數(shù)的機制,再次通過模型進(jìn)行異常檢測;如果沒有發(fā)生誤判,模型將輸出日志序列標(biāo)記為異常。

    圖3 日志路徑異常檢測框架圖

    2.2 日志解析器

    日志解析器[11-13]的目的是將結(jié)構(gòu)不統(tǒng)一的日志數(shù)據(jù)進(jìn)行歸一化處理。通過解析日志文件提取日志鍵構(gòu)造時序序列的方法,將不同結(jié)構(gòu)的日志數(shù)據(jù)轉(zhuǎn)化為具有相同格式時序化日志鍵序列。首先逐行讀取日志數(shù)據(jù),每個日志行都使用一個簡單的正則表達(dá)式進(jìn)行預(yù)處理。其次提取該日志的關(guān)鍵特征構(gòu)造成一個日志鍵,并將每行解析的日志鍵構(gòu)建成一個時序序列。例如,一個日志條目為“Adding an already existing block(10)”,則可以用一個日志鍵k1來代替它,即k1=Adding an already existing block(.*)。其中日志鍵中參數(shù)被抽象為*號。如表1所示,通過日志解析器的日志文件將被解析為一個時序序列,例如{k1,k2,…}。

    表1 日志解析實例

    2.3 日志路徑異常檢測

    將通過日志解析器獲得的日志鍵序列進(jìn)行系統(tǒng)日志異常檢測。假設(shè)K={k1,k2,…,kn}是一個日志塊所轉(zhuǎn)換的日志鍵序列,每一個日志鍵代表某一時刻日志執(zhí)行的路徑命令,整個日志鍵序列反映了日志的順序執(zhí)行路徑。對整個序列進(jìn)行檢測,需要依次檢測每個日志鍵是否為異常。令ki為K序列n個中的某一個,代表著即將檢測的日志鍵。

    如圖3所示,采用Bi-LSTM網(wǎng)絡(luò)來進(jìn)行系統(tǒng)日志異常檢測,該網(wǎng)絡(luò)由前向LSTM和反向LSTM網(wǎng)絡(luò)組成,充分考慮了后序事件對前序事件的影響。輸入是幾個連續(xù)的日志鍵,輸出是下一個日志鍵ki的概率。ki的概率由前向傳播和反向傳播得到的概率共同決定的。前向或反向傳播都由一層LSTM網(wǎng)絡(luò)組成。每一塊LSTM都有隱藏狀態(tài)ht-i和細(xì)胞狀態(tài)Ct-i,兩者都被傳遞到下一個塊以初始化其狀態(tài)。目的是通過模型得出當(dāng)前日志鍵ki的概率,然后設(shè)定一個概率界限(參數(shù)g)來判斷當(dāng)前日志鍵是否發(fā)生了異常。通過各個門控的計算最終得出ki的條件概率,與通過訓(xùn)練得出的g進(jìn)行比較,把低于g的日志鍵標(biāo)記為異常。

    其前向傳播推算的公式為:

    輸入門:

    (1)

    (2)

    遺忘門:

    (3)

    (4)

    輸出門:

    (5)

    (6)

    反向傳播推算的公式為:

    輸入門:

    (7)

    遺忘門:

    (8)

    輸出門:

    (9)

    訓(xùn)練階段:在訓(xùn)練階段中使用正常執(zhí)行的日志條目作為數(shù)據(jù)集來訓(xùn)練模型,目的是讓模型充分學(xué)習(xí)到系統(tǒng)日志正常的執(zhí)行模式,盡可能避免出現(xiàn)誤判的情形。通過日志解析器得到一個日志鍵序列,然后給定一個窗口大小h,將日志鍵按窗口的大小、執(zhí)行順序組合成一個時序序列,該序列記為w,例如w={ki-h,ki-h+1,…,ki-1},將w輸入到模型Bi-LSTM網(wǎng)絡(luò)中。例如,假設(shè)一個日志鍵序列為{k11,k23,k5,k9,k12,k25,k3}。給定窗口大小h=4,則用于訓(xùn)練模型的輸入序列和輸出標(biāo)簽為:{k11,k23,k5,k9→k12},{k23,k5,k9,k12→k25},{k5,k9,k12,k25→k3}。通過Bi-LSTM模型得出下一日志鍵ki的條件概率,根據(jù)ki概率分布的范圍,設(shè)置g的參數(shù)大小。

    檢測階段:基本方法跟訓(xùn)練階段相同,對于新加入的日志條目首先通過日志解析器構(gòu)造成日志鍵序列w。將w輸入到Bi-LSTM模型中得出當(dāng)前日志鍵的條件概率,通過與設(shè)置的參數(shù)g進(jìn)行對比,把高于設(shè)置的g值的ki標(biāo)記為正常;若得到的ki概率值低于g值,那么模型將把該結(jié)果反饋給用戶,用戶判斷是否發(fā)生了誤判,如果發(fā)生了誤判,則通過在線更新機制調(diào)整模型參數(shù),將得出的日志鍵與實際的日志鍵設(shè)為相同的概率,如果沒有發(fā)生誤判則直接將該序列標(biāo)記為異常。

    異常檢測模型如圖4所示。為了檢測一個新的日志鍵ki是正常還是異常的,把窗口大小為h的日志鍵序列w作為輸入,輸出是給定輸入日志鍵序列的下一個日志鍵ki的條件概率。通過將得出的條件概率Pr與參數(shù)g進(jìn)行比較,判斷日志執(zhí)行路徑是否發(fā)生了異常。

    圖4 異常檢測模型圖

    語言模型:把日志執(zhí)行路徑作為時序序列處理,其原理是應(yīng)用自然語言處理的語言模型。在訓(xùn)練模型時,把每個日志鍵都可以看作是從詞匯表K中提取的一個單詞,應(yīng)用自然語言處理的語言模型來計算該詞出現(xiàn)的概率,從而判斷系統(tǒng)是否發(fā)生異常。近年來,使用神經(jīng)網(wǎng)絡(luò)的神經(jīng)概率語言模型(NPLM)[14]已被證明在自然語言處理任務(wù)中非常有效。因此在Bi-LSTM中使用了NPLM語言模型來對日志鍵序列進(jìn)行異常檢測。NPLM語言模型沿用了傳統(tǒng)的N-gram模型[15]中的思路,認(rèn)為目標(biāo)詞wt的條件概率與其之前的n-1個詞有關(guān)。但與N-gram模型區(qū)別是在計算P(wt|w1,w2,…,wt-1)時,其使用了機器學(xué)習(xí)的方法,很好地解決了給定一個日志鍵序列如何最大化地計算日志鍵ki概率的問題。NPLM語言模型的計算公式為:

    p(w|context(w))=k(iw,Vcontext)

    (10)

    式中:k表示神經(jīng)網(wǎng)絡(luò);iw為w在詞匯表中的序號;context(w)為w的上下文;Vcontext為上下文構(gòu)成的特征向量。

    2.4 在線更新機制

    如何保證檢測模型的時效性、如何解決日志新的執(zhí)行模式等,是系統(tǒng)異常檢測必須要解決的問題,因此在模型中加入了用戶反饋在線更新的機制。隨著工作量以及工作方式的變化,用戶可以在線優(yōu)化模型的參數(shù)。例如:檢測時可能會出現(xiàn)誤報的情況,假設(shè)一個窗口大小h=4日志鍵序列為{k22,k16,k5,k6},已知訓(xùn)練后,模型已經(jīng)將概率為1的下一個日志鍵預(yù)測是k7,而實際序列中的日志鍵是k3,那么模型將把k3標(biāo)記為異常。如果用戶反饋這是誤報(實際情況下k7和k3都是正常的日志鍵),模型就可以根據(jù)用戶的反饋優(yōu)化新的權(quán)重來學(xué)習(xí)這個新序列。當(dāng)再次輸入該序列時,檢測到的k7和k3都將會得到相同的概率且被標(biāo)記為正常。

    3 實 驗

    3.1 傳統(tǒng)異常檢測方法

    主成分分析法(PCA)[16]是一種基于降維的統(tǒng)計方法。在進(jìn)行異常檢測的時候,PCA根據(jù)每個日志事件的標(biāo)識符進(jìn)行分組,然后記錄每組中每個日志事件出現(xiàn)的次數(shù)。PCA的基本思想是將高維數(shù)據(jù)投影到由k個維度組成的新坐標(biāo)系中,通過測量坐標(biāo)系的子空間上的投影長度來檢測異常。因此,PCA可以保留原始高維數(shù)據(jù)的主要特征。

    Xu等[17]首先將PCA應(yīng)用在的異常檢測中。在Xu等的方法中,每個日志序列被轉(zhuǎn)化為日志事件的計數(shù)向量,使用PCA構(gòu)造成兩個子空間,正??臻gSn和Sm異??臻g。然后,計算事件計數(shù)向量y到Sm的投影,如果超過閾值,則對應(yīng)的日志事件將被標(biāo)記為異常。

    Lou等[18]最先將不變量挖掘(IM)的方法應(yīng)用到系統(tǒng)日志異常檢測中。IM根據(jù)日志參數(shù)之間的關(guān)系將日志消息進(jìn)行分組,從日志消息組中自動地獲取程序不變量。程序不變量在系統(tǒng)運行期間始終保持線性關(guān)系,其輸入是從日志序列生成的事件計數(shù)矩陣,其中每一行是事件計數(shù)向量。首先,使用奇異值分解來估計不變空間的不變量r;其次,通過強力搜索算法找出不變量;最后,通過與設(shè)定的閾值進(jìn)行比較來驗證挖掘的不變量。重復(fù)執(zhí)行以上步驟,直至獲得r個獨立不變量。在檢測時,對新的日志序列進(jìn)行判斷是否符合不變量,如果至少有一個不符合,則日志序列將被報告為異常。

    3.2 數(shù)據(jù)集

    實驗采用系統(tǒng)日志異常檢測中通用的權(quán)威數(shù)據(jù)集,一是Xu等[17]所公開的HDFS日志數(shù)據(jù)集,另一個是Du等[4]在Deeplog中公開的OpenStack數(shù)據(jù)集。

    HDFS數(shù)據(jù)集是基于PCA的主要數(shù)據(jù)集,并在在線PCA和基于IM的異常檢測方法中廣泛應(yīng)用。該數(shù)據(jù)集包含了11 197 954個日志條目,其中約3%是異常的。通過標(biāo)識符字段將日志條目分組到不同會話中,HDFS的標(biāo)識符為block_id,每組會話對應(yīng)著一個日志塊。

    OpenStack數(shù)據(jù)集包含1 333 318個日志條目,約7%是異常的。主要的進(jìn)程包括VM的創(chuàng)建/刪除、停止/啟動、暫停/恢復(fù)等。OpenStack數(shù)據(jù)集的標(biāo)識符為instance_id。分別將每個日志條目通過解析器轉(zhuǎn)化為日志鍵,然后通過Bi-LSTM網(wǎng)絡(luò)來訓(xùn)練其權(quán)重,進(jìn)行異常檢測。

    3.3 實驗評估標(biāo)準(zhǔn)

    為了評估模型的有效性,本文采用Precision(召回率)、Recall(準(zhǔn)確率)和F-measure作為評價標(biāo)準(zhǔn)。Precision為所有檢測到的異常與真正異常的百分比[19]。Recall反映了被正確判定的正常樣本占總的正常樣本的百分比。設(shè)置參數(shù)g決定了得到下一日志鍵概率判斷為異常的最低概率值。F-measure的值同時受到Precision、Recall的影響。設(shè)置默認(rèn)輸入窗口h的大小為10,一個LSTM網(wǎng)絡(luò)塊的存儲單元α的個數(shù)為64。為了檢測模型的性能,做了三組對比實驗:首先比較該模型與之前的基于機器學(xué)習(xí)的方法的性能;其次通過調(diào)整參數(shù)g、h、α、Pr的大小來對模型參數(shù)進(jìn)行實驗分析;最后進(jìn)行模型有在線更新機制與無在線更新機制的對比實驗。

    (11)

    (12)

    (13)

    式中:TP為將正常樣本預(yù)測為正常類數(shù);FN為將正常樣本預(yù)測為異常類數(shù);FP為將異常樣本預(yù)測為正常類數(shù);TN為將異常樣本預(yù)測為異常類數(shù)。

    表2為HDFS數(shù)據(jù)上每種方法的假陽性和假陰性的數(shù)目。PCA實現(xiàn)了最少的假陽性,但是具有很高的假陰性。IM假陽性和假陰性都很高;Bi-LSTM的假陰性和假陽性都具有較低的水平。

    表2 HDFS數(shù)據(jù)集FP和FN的數(shù)量

    3.4 結(jié)果分析

    3.4.1方法對比分析

    圖5和圖6分別為HDFS和OpenStack數(shù)據(jù)集上不同方法對比實驗結(jié)果。雖然傳統(tǒng)的PCA在HDFS數(shù)據(jù)集上的準(zhǔn)確率為0.98,但是F-measure值僅有0.79,OpenStack數(shù)據(jù)集上也并未表現(xiàn)出突出的性能。而IM盡管在HDFS數(shù)據(jù)集上表現(xiàn)出良好的性能,而在OpenStack數(shù)據(jù)集上準(zhǔn)確率和F-measure分別為0.02和0.04。由此可以得出:傳統(tǒng)的基于機器學(xué)習(xí)的檢測方法并不具有很好的適用性,不能有效地應(yīng)用到不同系統(tǒng)之間的異常檢測。使用LSTM的檢測方法的Deeplog模型準(zhǔn)確率和F-measure都高達(dá)0.95以上?;贐i-LSTM的方法在兩個數(shù)據(jù)集上都表現(xiàn)出良好的性能,準(zhǔn)確率和F-measure分別為0.98和0.98。這是由于Bi-LSTM綜合考慮前后事件對當(dāng)前事件的影響,因此實驗結(jié)果高于Deeplog模型。通過對比實驗可以得出:Bi-LSTM模型不僅能夠適用于隨機生成的數(shù)據(jù)集而且在大規(guī)模的數(shù)據(jù)上也表現(xiàn)出優(yōu)越的性能,能夠適用于不同系統(tǒng)日志路徑的異常檢測。

    圖5 HDFS數(shù)據(jù)集性能對比結(jié)果圖

    圖6 OpenStack數(shù)據(jù)集性能對比結(jié)果圖

    3.4.2Bi-LSTM模型參數(shù)分析

    通過調(diào)整Bi-LSTM網(wǎng)絡(luò)中各種參數(shù)來測試模型的性能,其中調(diào)整的參數(shù)包括:g,h,α,Pr。在每個實驗中只改變一個參數(shù)的值,其余參數(shù)保持默認(rèn)值。圖7為改變參數(shù)α,其他參數(shù)不變的情況下的模型性能隨著LSTM單元個數(shù)的變化趨勢,實驗表明當(dāng)內(nèi)存單元數(shù)為192時,模型的準(zhǔn)確率和F-measure都明顯優(yōu)于其他內(nèi)存單元數(shù)。圖8反映了改變參數(shù)g后模型的性能變化,當(dāng)設(shè)置的g閾值偏低時,雖然模型具有很高的準(zhǔn)確率但是其F-measure卻很低。圖9為改變參數(shù)h模型的性能變化,由于LSTM網(wǎng)絡(luò)需要長依賴性,所以當(dāng)選擇的窗口越大時,其表現(xiàn)的性能越明顯。圖10反映了改變參數(shù)Pr后模型的性能變化,Pr的大小決定著前向推算和后向推算各自對預(yù)測的概率所占的比重。綜合所有的實驗結(jié)果,發(fā)現(xiàn)Bi-LSTM網(wǎng)絡(luò)的性能在調(diào)整各個參數(shù)時表現(xiàn)得非常穩(wěn)定,單一改變參數(shù)或者是組合調(diào)整對模型的性能影響不大。

    圖7 改變參數(shù)α性能對比結(jié)果圖

    圖8 改變參數(shù)g性能對比結(jié)果圖

    圖9 改變參數(shù)h性能對比結(jié)果圖

    圖10 改變參數(shù)Pr性能對比結(jié)果圖

    3.4.3在線更新對模型性能的分析

    在HDFS和OpenStack兩個數(shù)據(jù)集中,許多日志鍵僅在特定時間段內(nèi)出現(xiàn),因此訓(xùn)練數(shù)據(jù)集可能不包含所有正常日志鍵,具有很好的未知性。首先,用數(shù)據(jù)集的前10%作為訓(xùn)練數(shù)據(jù),其余的作為測試數(shù)據(jù)。然后,設(shè)置各個參數(shù)α=64、g=0.8、h=10、Pr=0.5,并保證參數(shù)不改變。對于有在線更新的模型,假設(shè)有用戶報告檢測到的異常為誤報,Bi-LSTM使用該標(biāo)記來更新其模型以學(xué)習(xí)這種新模式。圖11是模型在HDFS數(shù)據(jù)集下的性能,無在線更新的模型準(zhǔn)確率僅為0.30,F(xiàn)-measure為0.46,而有在線更新的模型準(zhǔn)確率和F-measure分別為0.90和0.95。圖12是模型在OpenStack數(shù)據(jù)集下的性能,無在線更新的模型準(zhǔn)確率僅為0.35,F(xiàn)-measure為0.52,而有在線更新的模型準(zhǔn)確率和F-measure分別為0.93和0.96。結(jié)果表明,有在線更新的異常檢測模型在準(zhǔn)確率和F-measure都明顯高于無在線更新模型,在線更新的機制可以提高模型在檢測新執(zhí)行模式時的性能。

    圖11 HDFS數(shù)據(jù)集有無在線更新性能比較圖

    圖12 OpenStack數(shù)據(jù)集有無在線更新性能比較圖

    4 結(jié) 語

    本文提出一種基于雙向長短時記憶網(wǎng)絡(luò)的系統(tǒng)異常檢測模型。首先在每個日志條目的級別上,通過日志解析器實現(xiàn)從日志文件中分離出不同類別的任務(wù),從而構(gòu)成時序化的日志鍵序列,有效地解決傳統(tǒng)異常檢測方法中日志結(jié)構(gòu)不統(tǒng)一的問題。其次使用雙向長短時記憶網(wǎng)絡(luò)對時序化的日志序列進(jìn)行建模和預(yù)測,并且增加在線更新優(yōu)化模型參數(shù)的機制,提高模型檢測新執(zhí)行模式的性能。實驗結(jié)果表明,與傳統(tǒng)的基于機器學(xué)習(xí)異常檢測的方法相比,本文模型在HDFS和OpenStack數(shù)據(jù)集上準(zhǔn)確率分別提升了0.11和0.2,召回率提升了0.29,F(xiàn)-measure分別提升了0.19和0.11?;陔p向長短時記憶網(wǎng)絡(luò)的系統(tǒng)異常檢測模型在系統(tǒng)日志異常檢測上具有顯著的性能,對系統(tǒng)異常檢測和優(yōu)化模型參數(shù)等方面具有重要的意義。

    在未來工作中,將改進(jìn)模型使其不僅能適用于系統(tǒng)日志執(zhí)行模式的異常檢測,還能夠?qū)θ罩局械母鱾€參數(shù)進(jìn)行異常檢測。同時改進(jìn)模型的輸出最大化概率的最優(yōu)路徑來提升模型的效率。

    猜你喜歡
    檢測模型
    一半模型
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    小波變換在PCB缺陷檢測中的應(yīng)用
    国产av国产精品国产| 亚洲熟女精品中文字幕| 日日干狠狠操夜夜爽| 中文字幕av在线有码专区| 国产av在哪里看| 国产片特级美女逼逼视频| 亚洲经典国产精华液单| 日日干狠狠操夜夜爽| 亚洲最大成人中文| 69人妻影院| 1000部很黄的大片| 免费人成在线观看视频色| 日本一二三区视频观看| 亚洲精品视频女| 亚洲丝袜综合中文字幕| 国产老妇伦熟女老妇高清| 亚洲av福利一区| 边亲边吃奶的免费视频| 久久精品熟女亚洲av麻豆精品 | 激情五月婷婷亚洲| 男人舔奶头视频| 免费看不卡的av| 免费在线观看成人毛片| 国产精品女同一区二区软件| 国产真实伦视频高清在线观看| 免费大片黄手机在线观看| 成人亚洲精品av一区二区| 国产综合精华液| 久久精品夜夜夜夜夜久久蜜豆| 人妻一区二区av| 久久精品夜色国产| 国模一区二区三区四区视频| 国产精品日韩av在线免费观看| 99视频精品全部免费 在线| 国产91av在线免费观看| 2021少妇久久久久久久久久久| 搡老乐熟女国产| 国产永久视频网站| 欧美+日韩+精品| 99热这里只有是精品50| 亚洲精品第二区| 国产一区二区亚洲精品在线观看| 国内精品一区二区在线观看| 色尼玛亚洲综合影院| 国产精品一二三区在线看| 国产亚洲av嫩草精品影院| 美女国产视频在线观看| av天堂中文字幕网| 亚洲在线自拍视频| 美女内射精品一级片tv| 男女边摸边吃奶| 免费看光身美女| 国产精品久久久久久久久免| 搡女人真爽免费视频火全软件| 午夜免费观看性视频| 国内精品宾馆在线| 色网站视频免费| 女人十人毛片免费观看3o分钟| av又黄又爽大尺度在线免费看| 亚洲成人av在线免费| a级一级毛片免费在线观看| 亚洲国产成人一精品久久久| 国产片特级美女逼逼视频| 九色成人免费人妻av| 我的女老师完整版在线观看| 波野结衣二区三区在线| 十八禁国产超污无遮挡网站| 秋霞在线观看毛片| 在线观看免费高清a一片| 丰满人妻一区二区三区视频av| 国产乱人视频| av福利片在线观看| 免费少妇av软件| 别揉我奶头 嗯啊视频| 日本一二三区视频观看| 成人特级av手机在线观看| 91aial.com中文字幕在线观看| 黄色配什么色好看| videos熟女内射| 水蜜桃什么品种好| 国产精品女同一区二区软件| 日韩伦理黄色片| av.在线天堂| 亚洲欧美成人精品一区二区| 99热这里只有精品一区| 最近手机中文字幕大全| 国产一区二区亚洲精品在线观看| 美女大奶头视频| 国产午夜福利久久久久久| 欧美潮喷喷水| 美女高潮的动态| 国产精品久久视频播放| 久久精品综合一区二区三区| 久久精品国产自在天天线| 精品一区二区三区人妻视频| av.在线天堂| 成人午夜精彩视频在线观看| 成人鲁丝片一二三区免费| 天美传媒精品一区二区| 国产精品爽爽va在线观看网站| 精品久久久久久电影网| 欧美最新免费一区二区三区| 国产午夜精品一二区理论片| 观看免费一级毛片| 九九爱精品视频在线观看| 乱系列少妇在线播放| 爱豆传媒免费全集在线观看| av网站免费在线观看视频 | 秋霞伦理黄片| 欧美高清性xxxxhd video| 欧美丝袜亚洲另类| 噜噜噜噜噜久久久久久91| 美女国产视频在线观看| av播播在线观看一区| 你懂的网址亚洲精品在线观看| 国产午夜精品论理片| 亚洲图色成人| 亚洲18禁久久av| 精品一区二区免费观看| 亚洲国产精品sss在线观看| 国产午夜福利久久久久久| 久久久久久久久久人人人人人人| 少妇高潮的动态图| 免费看光身美女| 人人妻人人看人人澡| 亚洲精品456在线播放app| 美女cb高潮喷水在线观看| 性色avwww在线观看| 毛片女人毛片| 国产高清国产精品国产三级 | 18禁裸乳无遮挡免费网站照片| 亚洲最大成人av| 国产成人精品婷婷| 国产精品一及| 又大又黄又爽视频免费| av在线观看视频网站免费| 精品一区二区三区人妻视频| 纵有疾风起免费观看全集完整版 | 国产白丝娇喘喷水9色精品| 成人午夜精彩视频在线观看| 中文在线观看免费www的网站| 国产又色又爽无遮挡免| 久久久久久久国产电影| 少妇熟女欧美另类| 国产老妇伦熟女老妇高清| 亚洲高清免费不卡视频| 国产成人a∨麻豆精品| 最近手机中文字幕大全| 欧美一区二区亚洲| 日本猛色少妇xxxxx猛交久久| 久久久久久久久大av| 美女主播在线视频| 亚洲精品久久久久久婷婷小说| 夜夜看夜夜爽夜夜摸| 伦理电影大哥的女人| 日韩成人伦理影院| 成年女人在线观看亚洲视频 | 毛片一级片免费看久久久久| 国精品久久久久久国模美| 国产黄片视频在线免费观看| 一区二区三区免费毛片| 色哟哟·www| 国产欧美另类精品又又久久亚洲欧美| 国产精品国产三级国产av玫瑰| 国产成人91sexporn| 亚洲av男天堂| 又粗又硬又长又爽又黄的视频| 亚洲av免费在线观看| 高清日韩中文字幕在线| 亚州av有码| 精品一区在线观看国产| 日韩av免费高清视频| 99久久中文字幕三级久久日本| 街头女战士在线观看网站| 亚洲乱码一区二区免费版| 免费高清在线观看视频在线观看| 久久国产乱子免费精品| 草草在线视频免费看| 久久精品国产自在天天线| 日日啪夜夜撸| 午夜福利在线在线| h日本视频在线播放| 精品少妇黑人巨大在线播放| 亚洲最大成人中文| 亚洲色图av天堂| 高清午夜精品一区二区三区| 色网站视频免费| av在线蜜桃| 亚洲精品视频女| 亚洲精品自拍成人| 日本午夜av视频| 热99在线观看视频| 亚洲国产欧美在线一区| 精品午夜福利在线看| 搡女人真爽免费视频火全软件| 日日啪夜夜撸| 3wmmmm亚洲av在线观看| 美女黄网站色视频| 色哟哟·www| 丰满乱子伦码专区| 黑人高潮一二区| 亚洲av成人av| 精品久久久久久久久av| 国产一区二区亚洲精品在线观看| 欧美日韩精品成人综合77777| 国产永久视频网站| 日韩成人伦理影院| 在线播放无遮挡| 欧美日本视频| 成人高潮视频无遮挡免费网站| 欧美不卡视频在线免费观看| 国产成人freesex在线| 国产探花极品一区二区| 十八禁网站网址无遮挡 | 秋霞在线观看毛片| 国产乱来视频区| 99热这里只有是精品在线观看| 建设人人有责人人尽责人人享有的 | 夜夜爽夜夜爽视频| 国产高清三级在线| 欧美高清成人免费视频www| 老女人水多毛片| 国产一区有黄有色的免费视频 | 亚洲在线观看片| 尾随美女入室| 大陆偷拍与自拍| 你懂的网址亚洲精品在线观看| 亚洲精品自拍成人| 婷婷色综合大香蕉| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产精品久久久久久久久免| 高清av免费在线| av免费在线看不卡| 成人特级av手机在线观看| 免费观看无遮挡的男女| 好男人在线观看高清免费视频| 国产精品三级大全| 内射极品少妇av片p| 亚洲经典国产精华液单| 街头女战士在线观看网站| 亚洲av免费在线观看| 舔av片在线| 18禁裸乳无遮挡免费网站照片| 青春草国产在线视频| 亚洲精品一区蜜桃| 亚洲不卡免费看| 国产美女午夜福利| 激情 狠狠 欧美| 精品一区在线观看国产| 小蜜桃在线观看免费完整版高清| 亚洲在线自拍视频| av在线亚洲专区| 国产成人freesex在线| 女人久久www免费人成看片| 亚洲精品自拍成人| 久久这里只有精品中国| 亚洲精品国产成人久久av| 18禁裸乳无遮挡免费网站照片| 一本一本综合久久| 99热这里只有是精品在线观看| 亚洲精品一区蜜桃| 午夜免费男女啪啪视频观看| 精品不卡国产一区二区三区| 国产精品福利在线免费观看| 精品午夜福利在线看| 国产精品女同一区二区软件| 午夜免费激情av| 免费看av在线观看网站| 精品久久久噜噜| 九草在线视频观看| 男的添女的下面高潮视频| 国产黄色免费在线视频| 男女啪啪激烈高潮av片| 免费播放大片免费观看视频在线观看| 有码 亚洲区| 能在线免费看毛片的网站| 99热这里只有是精品在线观看| 亚洲人成网站在线播| 又黄又爽又刺激的免费视频.| 免费av观看视频| 欧美人与善性xxx| 国产免费一级a男人的天堂| 精品国产三级普通话版| 最近视频中文字幕2019在线8| 99久国产av精品国产电影| 中文字幕制服av| 精品国内亚洲2022精品成人| 国产黄片美女视频| 日韩精品青青久久久久久| 99热网站在线观看| 国产精品精品国产色婷婷| 大香蕉97超碰在线| 99热这里只有精品一区| 亚洲精华国产精华液的使用体验| 大话2 男鬼变身卡| 国产黄频视频在线观看| 色综合亚洲欧美另类图片| 色哟哟·www| 天天躁日日操中文字幕| 熟妇人妻不卡中文字幕| 精品久久久久久久末码| 秋霞在线观看毛片| 蜜桃久久精品国产亚洲av| 可以在线观看毛片的网站| 亚洲第一区二区三区不卡| 亚洲综合色惰| 国产黄片视频在线免费观看| 久久久久网色| 色尼玛亚洲综合影院| 国产午夜精品论理片| av在线蜜桃| 一级毛片 在线播放| 乱人视频在线观看| 国产精品久久视频播放| 蜜桃亚洲精品一区二区三区| 可以在线观看毛片的网站| 国产白丝娇喘喷水9色精品| 国产精品综合久久久久久久免费| 精品久久久久久久久亚洲| 国产国拍精品亚洲av在线观看| av在线播放精品| 能在线免费观看的黄片| 高清毛片免费看| 精品久久久久久久人妻蜜臀av| av福利片在线观看| 男女啪啪激烈高潮av片| 久久久久久伊人网av| 日韩成人av中文字幕在线观看| 国产亚洲精品久久久com| 欧美 日韩 精品 国产| 日韩一区二区视频免费看| 夫妻性生交免费视频一级片| 日韩av在线免费看完整版不卡| 日日撸夜夜添| 成人午夜高清在线视频| 99热全是精品| 国产淫语在线视频| 亚洲欧美一区二区三区黑人 | 亚洲精品成人久久久久久| 少妇的逼好多水| 一区二区三区乱码不卡18| 亚洲不卡免费看| 日韩国内少妇激情av| 午夜日本视频在线| 一级a做视频免费观看| 国产淫片久久久久久久久| 一级爰片在线观看| 国产一级毛片七仙女欲春2| 日本wwww免费看| av在线天堂中文字幕| 99久国产av精品国产电影| 亚洲av不卡在线观看| 99re6热这里在线精品视频| 亚洲精品乱码久久久久久按摩| 亚洲av成人av| 男人爽女人下面视频在线观看| 久久久a久久爽久久v久久| 不卡视频在线观看欧美| 午夜福利在线在线| 免费电影在线观看免费观看| 少妇猛男粗大的猛烈进出视频 | 18禁在线无遮挡免费观看视频| 成年av动漫网址| 人妻制服诱惑在线中文字幕| 精品人妻视频免费看| 欧美性感艳星| 成人性生交大片免费视频hd| av专区在线播放| 肉色欧美久久久久久久蜜桃 | 男人舔奶头视频| 美女大奶头视频| 综合色av麻豆| 69av精品久久久久久| 能在线免费观看的黄片| 精品一区二区三卡| 亚洲欧美一区二区三区黑人 | 91久久精品国产一区二区成人| 少妇熟女欧美另类| 日韩视频在线欧美| 天堂中文最新版在线下载 | 国产伦一二天堂av在线观看| 久久久午夜欧美精品| 舔av片在线| 99热这里只有是精品在线观看| 国产成人午夜福利电影在线观看| 久久99精品国语久久久| 久久精品综合一区二区三区| 欧美成人a在线观看| 狠狠精品人妻久久久久久综合| 熟妇人妻久久中文字幕3abv| 国产亚洲5aaaaa淫片| 国产黄a三级三级三级人| 99久国产av精品国产电影| 丝袜喷水一区| 免费观看在线日韩| 国产精品久久久久久精品电影| 国产精品久久视频播放| 久久精品国产鲁丝片午夜精品| 精品国产一区二区三区久久久樱花 | 人妻夜夜爽99麻豆av| 最新中文字幕久久久久| 国产视频首页在线观看| 婷婷色av中文字幕| 亚洲av福利一区| 高清欧美精品videossex| 大又大粗又爽又黄少妇毛片口| 亚洲精品视频女| 视频中文字幕在线观看| 又爽又黄无遮挡网站| 欧美激情国产日韩精品一区| 亚洲精品久久久久久婷婷小说| 欧美zozozo另类| 99热这里只有精品一区| 欧美人与善性xxx| 91av网一区二区| 国产成人a∨麻豆精品| 亚洲图色成人| 日本黄大片高清| 亚洲内射少妇av| 啦啦啦啦在线视频资源| 亚洲欧美日韩东京热| 日韩欧美精品v在线| 一个人免费在线观看电影| 中文字幕免费在线视频6| 成人亚洲欧美一区二区av| 黑人高潮一二区| 亚洲人与动物交配视频| 久久久久久久久久成人| 久久这里只有精品中国| 婷婷色综合www| 赤兔流量卡办理| av在线观看视频网站免费| 女人十人毛片免费观看3o分钟| 精品久久久久久成人av| av.在线天堂| 精品久久久久久久久av| 国产麻豆成人av免费视频| 久久亚洲国产成人精品v| 久久精品久久久久久噜噜老黄| 97热精品久久久久久| 国产淫语在线视频| 2022亚洲国产成人精品| 久久综合国产亚洲精品| 精品99又大又爽又粗少妇毛片| 免费无遮挡裸体视频| 最近最新中文字幕免费大全7| 99久久精品国产国产毛片| 在线观看人妻少妇| 亚洲av国产av综合av卡| 免费观看性生交大片5| 亚洲人成网站在线播| av.在线天堂| 久久久精品94久久精品| 欧美3d第一页| 看十八女毛片水多多多| 国产一区亚洲一区在线观看| 在线免费观看不下载黄p国产| 亚洲欧美日韩东京热| 亚洲欧美成人综合另类久久久| 午夜福利在线观看吧| 黄色欧美视频在线观看| 只有这里有精品99| av又黄又爽大尺度在线免费看| 91精品伊人久久大香线蕉| 伊人久久国产一区二区| 国产永久视频网站| 午夜福利视频精品| 亚洲三级黄色毛片| 日韩av不卡免费在线播放| 美女xxoo啪啪120秒动态图| 午夜福利成人在线免费观看| 大香蕉久久网| 日韩av免费高清视频| 18禁动态无遮挡网站| 国产午夜福利久久久久久| 欧美性感艳星| 伊人久久国产一区二区| 男人舔奶头视频| 欧美zozozo另类| 一级毛片aaaaaa免费看小| 少妇人妻一区二区三区视频| 美女cb高潮喷水在线观看| 中文资源天堂在线| 久久久久精品久久久久真实原创| 日韩欧美精品免费久久| 日韩视频在线欧美| 婷婷色麻豆天堂久久| 午夜福利视频精品| 国产免费又黄又爽又色| 97人妻精品一区二区三区麻豆| 午夜福利视频1000在线观看| 亚洲性久久影院| 久久久久久久久久黄片| 亚洲精品中文字幕在线视频 | 视频中文字幕在线观看| 中文字幕人妻熟人妻熟丝袜美| 国产黄色免费在线视频| 久久午夜福利片| 中文资源天堂在线| 亚洲精品乱久久久久久| 女人被狂操c到高潮| 欧美最新免费一区二区三区| 国产亚洲最大av| 国产91av在线免费观看| ponron亚洲| 国模一区二区三区四区视频| 成人午夜精彩视频在线观看| 男人舔女人下体高潮全视频| 国产亚洲av嫩草精品影院| 久久精品国产亚洲av涩爱| 亚洲国产欧美在线一区| 亚洲av电影不卡..在线观看| 1000部很黄的大片| 国精品久久久久久国模美| 成人一区二区视频在线观看| 只有这里有精品99| 欧美xxxx黑人xx丫x性爽| 看黄色毛片网站| 97超视频在线观看视频| 如何舔出高潮| 久久精品人妻少妇| 亚洲av免费高清在线观看| 高清视频免费观看一区二区 | 99热6这里只有精品| 熟女电影av网| 久久99热这里只频精品6学生| 精品人妻偷拍中文字幕| 久久韩国三级中文字幕| 亚洲精华国产精华液的使用体验| 国产精品国产三级国产av玫瑰| 免费看日本二区| 中文字幕av成人在线电影| 一区二区三区乱码不卡18| 99re6热这里在线精品视频| 国产av不卡久久| 蜜桃久久精品国产亚洲av| 黄片无遮挡物在线观看| 成人av在线播放网站| 国产男女超爽视频在线观看| 国产视频首页在线观看| 精品久久久久久久久久久久久| 精品人妻视频免费看| 日韩 亚洲 欧美在线| 国产精品1区2区在线观看.| 激情 狠狠 欧美| 亚洲av成人精品一区久久| 亚洲精品成人久久久久久| 水蜜桃什么品种好| 插逼视频在线观看| 啦啦啦中文免费视频观看日本| 国产伦精品一区二区三区四那| 亚洲怡红院男人天堂| 欧美3d第一页| av网站免费在线观看视频 | 成人av在线播放网站| 亚洲av二区三区四区| a级毛片免费高清观看在线播放| 精品亚洲乱码少妇综合久久| 亚洲欧美日韩无卡精品| 亚洲欧美一区二区三区国产| 插逼视频在线观看| 女人十人毛片免费观看3o分钟| 午夜免费男女啪啪视频观看| av又黄又爽大尺度在线免费看| 高清毛片免费看| 久久国产乱子免费精品| 国产美女午夜福利| 三级国产精品欧美在线观看| 两个人视频免费观看高清| 免费看不卡的av| 亚洲av福利一区| 男女那种视频在线观看| 国内揄拍国产精品人妻在线| 午夜爱爱视频在线播放| 日日摸夜夜添夜夜添av毛片| 中文精品一卡2卡3卡4更新| 美女高潮的动态| 三级经典国产精品| 18禁在线播放成人免费| kizo精华| 一级a做视频免费观看| 亚洲在线观看片| 黑人高潮一二区| 在线观看人妻少妇| 国产精品久久久久久精品电影| 99热这里只有精品一区| 五月伊人婷婷丁香| 成人二区视频| 国产极品天堂在线| 97精品久久久久久久久久精品| 永久免费av网站大全| 在现免费观看毛片| 免费观看在线日韩| 国产亚洲av嫩草精品影院| 精品不卡国产一区二区三区| 欧美日韩国产mv在线观看视频 | 亚洲av成人精品一二三区| 久久草成人影院| 久久国产乱子免费精品| 99热全是精品| 国产乱人视频| 亚洲精品第二区| 日韩av不卡免费在线播放| 亚洲欧美中文字幕日韩二区| 纵有疾风起免费观看全集完整版 | 午夜爱爱视频在线播放| 两个人的视频大全免费| 久久久色成人| 国产精品一区二区性色av| 丰满少妇做爰视频| 美女脱内裤让男人舔精品视频| 97热精品久久久久久| 熟妇人妻久久中文字幕3abv| 视频中文字幕在线观看| 国产探花极品一区二区|