VIP20
本课程属于：071-数据分级分类审计日志巡检 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

深度学习在日志异常检测中的应用

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
课程介绍与日志基础
什么是日志 · 日志分类 · 日志格式
课程介绍日志基础
02
日志异常检测概述
异常的定义 · 异常检测的目标 · 应用场景与挑战
日志异常检测概述异常的定义
03
传统日志异常检测方法
基于规则的方法 · 基于统计的方法 · 基于时间序列的方法
传统日志异常检测…基于规则的方法
04
日志数据预处理
日志解析（Log Parsing） · 模板提取（Drain · Spell）
日志数据预处理Log
05
日志特征工程
TF-IDF · Word2Vec · Glove
日志特征工程TF-IDF
06
深度学习基础
神经网络结构 · 前向传播与反向传播 · 激活函数
深度学习基础神经网络结构
07
循环神经网络（RNN）与日志序列建模
RNN原理 · 序列建模 · 梯度消失/爆炸
RNN循环神经网络
08
LSTM在日志异常检测中的应用
LSTM结构 · 遗忘门/输入门/输出门 · 实战案例
LSTM日志异常检测
09
GRU与双向LSTM
GRU结构 · BiLSTM如何利用上下文 · 模型比较
GRULSTM
10
卷积神经网络（CNN）用于日志模式识别
1D卷积 · 时序CNN · 特征图提取
CNN卷积神经网络
11
自编码器（Autoencoder）用于无监督异常检测
欠完备自编码器 · 重构误差 · 阈值设定
Autoencoder自编码器
12
变分自编码器（VAE）与日志异常
VAE原理 · KL散度 · 生成式异常检测
VAE变分自编码器
13
Transformer模型简介
自注意力 · 多头注意力 · 位置编码
Transformer模型简介
14
BERT与日志异常检测
预训练语言模型 · 日志语义理解 · 微调方法
BERT日志异常检测
15
日志的序列到序列模型
Encoder-Decoder架构 · 注意力机制 · 异常预测
日志的序列到序列…Encoder-Deco…
16
图神经网络（GNN）在日志异常检测中的应用
图构建 · 消息传递 · 节点/图分类
GNN图神经网络
17
混合模型（CNN+RNN）
并行/串行融合 · 多尺度特征 · 应用技巧
CNN+RNN混合模型
18
注意力机制详解
软/硬注意力 · 自注意力 · 层级注意力
注意力机制详解硬注意力
19
日志异常检测中的样本不平衡问题
重采样 · 代价敏感学习 · 合成样本（SMOTE）
日志异常检测样本不平衡问题
20
模型评估指标
精确率 · 召回率 · F1-score
模型评估指标精确率
21
日志数据的标注与半监督学习
主动学习 · 伪标签 · 自训练
日志数据的标注半监督学习
22
在线学习与增量检测
概念漂移 · 模型更新 · 滑动窗口
线学习增量检测
23
模型解释性
SHAP · LIME · 注意力可视化
模型解释性SHAP
24
日志异常检测系统架构设计
数据流 · 离线训练 · 在线推理
日志异常检测系统…数据流
25
模型部署与实时检测
ONNX/TensorRT推理加速 · 消息队列 · 监控告警
模型部署实时检测
26
案例研究
基于LSTM的日志异常检测系统——从…
案例研究LSTM
27
案例研究
基于Transformer的日志异常…
案例研究Transformer
28
案例研究
基于自编码器的无监督检测——工业场景…
案例研究基于自编码器的无…
29
性能优化与大规模日志处理
分布式训练 · GPU优化 · 降采样策略
性能优化大规模日志处理
30
课程总结与未来展望
关键知识点回顾 · 新兴趋势（LLM · 多模态）
课程总结未来展望