《表1 日志模板示例：基于日志的异常检测技术综述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于日志的异常检测技术综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

其次，对处理后的数据进行解析，分析日志结构与信息，获取日志针对每个事件的模板。日志解析是从无结构的日志中提取相应的事件模板，每个模板由多个指定参数构成，作为后续特征提取的基础。由于日志数量庞大，当前主要采用固定时间窗口、滑动时间窗口、会话窗口等为日志分割的方式[7]，将庞大的日志划分为多个部分进行检测，或者通过采样的方式进行检测。在数据采样过程中，采样方式、样本尺寸与检测正确率关系密切，因此，在该方向进一步探索，对提高所提方案的实用性有重要推动作用。本文通过设定固定的时间范围作为窗口，对窗口内日志内容进行解析，提炼其中的事件模板，将日志切分成一组日志事件序列Log={e1，e2，…，en}，进而从提取信息中选择合适的变量和分组来表示相关内容，并进行数字化向量表示，构建成特征向量，方便后续进行机器学习。例如，对一段时间窗口内的信息组成一个日志序列（图2中的内容为一个时间窗口），根据日志解析后的事件模板进行分析（如表1所示）。