VIP20
本课程属于：078-云上数据加密审计日志巡检 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

审计日志异常检测：机器学习模型入门

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
审计日志基础概念
什么是审计日志 · 日志格式（syslog · JSON
审计日志基础概念什么是审计日志
02
日志异常检测的意义
安全威胁识别 · 故障预测 · 合规审计
日志异常检测的意…安全威胁识别
03
常见异常类型
突发大量失败 · 权限越界 · 异常时间操作
常见异常类型突发大量失败
04
机器学习基础概念
分类与异常检测的区别 · 监督/无监督/半监督学习 · 过拟合与欠拟合
机器学习基础概念分类
05
数据预处理——日志解析
正则表达式提取字段 · 日志标准化 · 时间戳对齐
数据预处理日志解析
06
特征工程基础
数值特征 · 类别特征 · 时序特征
特征工程基础数值特征
07
常用特征（上）
统计特征——计数 · 均值 · 方差
常用特征统计特征
08
常用特征（下）
序列特征——事件频率 · 转移概率 · 时间间隔分布
常用特征序列特征
09
无监督学习概述
为什么无监督适合日志异常检测 · 常用算法分类 · 评估无监督模型的挑战
无监督学习概述为什么无监督适合…
10
孤立森林算法
原理（随机切割） · 参数调优 · 实战示例（Python实现）
孤立森林算法原理
11
基于聚类的异常检测
K-Means · DBSCAN · LOF（局部异常因子）
基于聚类的异常检…K-Means
12
自编码器基础
结构 · 重建误差作为异常分数 · 训练技巧
自编码器基础结构
13
基于LSTM的异常检测
序列建模 · 输入窗口构建 · 预测误差
LSTM基于
14
监督学习概述
为何需要标记数据 · 常见监督异常检测算法 · 类别不平衡处理
监督学习概述为何需要标记数据
15
数据标注策略
人工规则标注 · 半自动标注（基于已有规则） · 主动学习
数据标注策略人工规则标注
16
随机森林分类器
原理 · 特征重要性 · 适用于日志分类
随机森林分类器原理
17
XGBoost用于异常检测
梯度提升树 · 正则化 · 参数搜索
XGBoost用于异常检测
18
深度学习模型——CNN在一维日志序列中的应用
卷积核设计 · 池化 · 实战
CNN深度学习模型
19
模型评估指标
精确率 · 召回率 · F1分数
模型评估指标精确率
20
阈值调优
概率校准 · Fβ调整 · 业务成本权衡
阈值调优概率校准
21
模型部署与实时检测
Flask/FastAPI封装模型 · 批处理与流处理 · 延迟要求
模型部署实时检测
22
案例一
Web服务器日志异常检测——解析Ap… · 特征构建 · 模型选择
案例一Web
23
案例二
数据库审计日志分析——SQL注入检测 · 慢查询异常 · 登录爆破
案例二SQL
24
分布式系统的日志异常检测
多源异构日志融合 · 跨节点关联 · 异常可解释性
分布式系统的日志…多源异构日志融合
25
对抗样本与鲁棒性
针对异常检测的对抗攻击 · 防御策略 · 模型加固
对抗样本鲁棒性
26
模型解释性
SHAP值 · LIME · 特征重要性可视化
模型解释性SHAP
27
异常检测系统的架构设计
数据管道（Kafka+Spark/F… · 模型服务 · 告警联动
异常检测系统的架…Kafka+Spark/…
28
日志数据存储与流处理
Elasticsearch存储 · Logstash解析 · 实时流处理（Flink示例）
日志数据存储流处理
29
持续学习与模型更新
在线学习 · 定期重训练 · 数据漂移检测
持续学习模型更新
30
总结与未来趋势
现有挑战 · 无监督向自监督演进 · 联邦学习在日志隐私保护中的应用
未来趋势现有挑战