VIP20
本课程属于：070-数据库加密审计日志巡检 密码学工程与数据安全 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

机器学习异常检测在日志巡检中的应用

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
机器学习与异常检测概述
机器学习基本概念 · 异常检测定义 · 日志巡检中的挑战
机器学习异常检测概述
02
日志数据基础
日志格式 · 日志类型（系统日志 · 应用日志
日志数据基础日志格式
03
日志解析与结构化
正则表达式解析 · 日志模板提取 · 常用日志解析器（Logstash
日志解析结构化
04
数据预处理
清洗与归一化：缺失值处理 · 异常值过滤 · 数据标准化与归一化方法
数据预处理清洗
05
特征提取
统计特征：计数 · 频率 · 均值
特征提取统计特征
06
特征提取
时序特征：滑动窗口聚合 · 趋势特征 · 周期性检测
特征提取时序特征
07
特征提取
文本特征：TF-IDF · 词嵌入 · N-gram特征
特征提取TF-IDF
08
降维技术
主成分分析（PCA） · t-SNE · UMPA在日志特征中的应用
降维技术PCA
09
无监督异常检测
统计方法：Z-score · IQR · MAD（中位数偏差）
无监督异常检测Z-score
10
无监督异常检测
聚类方法：K-Means · DBSCAN检测离群点
无监督异常检测K-Means
11
无监督异常检测
孤立森林（Isolation For…
无监督异常检测Isolation
12
无监督异常检测
One-Class SVM
无监督异常检测One-Class
13
无监督异常检测
局部离群因子（LOF）算法详解
无监督异常检测LOF
14
深度学习方法
自编码器（Autoencoder）原…
深度学习方法Autoencoder
15
深度学习方法
LSTM在时序日志异常检测中的应用
深度学习方法LSTM
16
深度学习方法
变分自编码器（VAE）与概率性异常检…
深度学习方法VAE
17
半监督与监督异常检测
有标签数据获取 · 主动学习策略
半监督监督异常检测
18
模型评估指标
准确率 · 召回率 · F1分数
模型评估指标准确率
19
阈值选择与调整
基于统计的阈值 · 动态阈值 · 自适应阈值
阈值选择调整
20
模型训练与验证
交叉验证 · 时间序列验证 · 留出法
模型训练验证
21
模型部署
在线推理架构 · 批处理流程 · 模型序列化与加载
模型部署线推理架构
22
日志异常检测系统架构
数据管道设计 · 告警模块 · 可视化
日志异常检测系统…数据管道设计
23
模型漂移监测与更新
概念漂移检测 · 数据漂移 · 定期重训练策略
模型漂移监测更新
24
实战案例
服务器CPU/内存指标的异常检测（基…
实战案例CPU
25
实战案例
Web访问日志的异常流量检测（基于聚…
实战案例Web
26
实战案例
安全日志的入侵检测（基于监督学习与特…
实战案例安全日志的入侵检…
27
异常解释性
SHAP · LIME解释异常检测模型输出
异常解释性SHAP
28
日志异常检测的常见陷阱
不平衡数据 · 噪声标签 · 过拟合解决方案
日志异常检测的常…不平衡数据
29
性能优化
大规模日志处理：Spark · Flink流处理 · 分布式训练
性能优化Spark
30
未来趋势与总结
自监督学习 · 大语言模型（LLM）在日志异常分析中…
未来趋势自监督学习