K-Means和KNN日志异常检测方法

作者：乌旭东; 容晓峰^*; 仲姝锜

来源：西安工业大学学报, 2021, 41(02): 213-218.

DOI：10.16185/j.jxatu.edu.cn.2021.02.013

• 日志
• 异常检测
• K-Means
• K-近邻

为了解决大量日志数据导致的有效标记和人工筛选等问题,文中提出了一种K-means和K-近邻(KNN)的日志异常检测方法。利用GloVe方法对日志进行向量表示,利用K-means方法分类和标记得到的向量,将测试日志向量化,采用KNN方法对日志向量进行预测分类。实验结果表明:文中方法能够免去人工标记并能取得0.92的精确率和0.96的召回率,和现有的方法相比较,在精确率相同的条件下有更高的召回率。

• 出版日期2021
• 单位西安工业大学