买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中南大学申请的专利基于图卷积神经网络的特征增强云容器异常日志分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115934666B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211500810.4，技术领域涉及：G06F16/18；该发明授权基于图卷积神经网络的特征增强云容器异常日志分类方法是由林震;胡超;施鹤远;费洪晓;刘荣凯;梁锴;湛誉设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本基于图卷积神经网络的特征增强云容器异常日志分类方法在说明书摘要公布了：本公开实施例中提供了一种基于图卷积神经网络的特征增强云容器异常日志分类方法，属于数据处理技术领域，具体包括：从异常日志数据集中读取异常日志；将异常日志划分为堆栈跟踪数据帧；将堆栈跟踪数据帧进行标记和裁剪；将堆栈跟踪数据帧构建为Bert模型的输入特征向量Fin；将输入特征向量Fin输入编码器中，输出特征向量Fout并分割为[FCLS,Flog]；构建一张图，将向量Flog当作点特征，向量FCLS的余弦相似性结果当作边关系，将该图输入到图卷积神经网络中；将图卷积神经网络特征增强后的异常日志特征向量经过全连接层和激活函数映射成一维特征向量，然后对该一维向量进行相似性度量，并据此对异常日志进行分类。通过本公开的方案，提高了异常日志分类的效率和精准度。

本发明授权基于图卷积神经网络的特征增强云容器异常日志分类方法在权利要求书中公布了：1.一种基于图卷积神经网络的特征增强云容器异常日志分类方法，其特征在于，包括：步骤1，从异常日志数据集中读取异常日志；步骤2，将异常日志划分为堆栈跟踪数据帧；步骤3，将堆栈跟踪数据帧进行标记和裁剪；步骤4，将堆栈跟踪数据帧构建为Bert模型的输入特征向量Fin；所述步骤4具体包括：步骤4.1，构造云容器异常日志堆栈跟踪数据帧T＝{t1,t2,...,tL}，其中L是堆栈跟踪数据帧的数量，先每组堆栈跟踪数据帧的头部加入词元CLS，每个堆栈跟踪数据帧尾部加入词元SEP；步骤4.2，使用句子转换网络，将堆栈跟踪数据帧T转换为嵌入向量V＝{vi|vi∈RS+L+1×K,i＝1,2,…,S+L+1}，其中S表示异常日志中单词数量，K表示嵌入向量的维度；步骤4.3，使用线性投影函数sin·和cos·对位置信息进行编码，得到嵌入位置信息的编码向量P；步骤4.4，将向量V,P,S合并得到输入特征向量Fin＝{fi|fi∈RS+L+1×D,i＝1,2,...,S+L+1}，其中D是输入向量的维度，f1为词元CLS对应的嵌入向量；步骤5，将输入特征向量Fin输入编码器中，输出特征向量Fout并分割为[FCLS,Flog]；步骤6，构建一张图，将向量Flog当作点特征，向量FCLS的余弦相似性结果当作边关系，将该图输入到图卷积神经网络中进行相关性优化，对其进行特征增强；步骤7，将图卷积神经网络特征增强后的异常日志特征向量经过全连接层和激活函数映射成一维特征向量，然后对该一维向量进行相似性度量，并据此对异常日志进行分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。