来源：期刊VIP网 时间：
作者：顾兆军;张智凯;刘春波;叶经纬;
单位：中国民航大学信息安全测评中心;中国民航大学计算机科学与技术学院;
摘要：传统基于规则的日志解析方法针对每类日志需单独编写规则，且随着系统更新，出现新的日志模式时，需人工再次干预；基于深度学习的日志解析方法虽准确率高，但计算复杂度高。为解决日志解析方法人力成本和计算复杂度高的问题，文中提出一种基于词模式规则的轻量级日志模板提取方法，该方法由初始规则集生成、词模式规则应用、潜在错误样本发掘三个部分构成。首先，原始日志基于自适应随机抽样获取彼此间相似度较低的代表性日志；然后，基于专家反馈提取初始词模式规则集，在词模式规则应用模块对原始日志进行处理并提取日志模板；最后，在潜在错误样本发掘模块检查生成的日志模板聚类，发现潜在的错误分类样本并对其进行规则集更新。经过实验验证，在16个公开日志数据集上，文中方法的平均准确度达到97.8%，与基于深度学习的日志解析算法准确度基本持平；在计算效率方面，文中方法的单线程解析速度达到每秒20 000条，且随着可用内核数量的增加，性能持续提升，满足系统日志的故障诊断和安全分析需求。
关键词：日志解析;;模板提取;;词模式规则;;正则匹配;;启发式策略;;规则集
基金资助：中国民航大学联合基金项目（U2333201）
