基于经验回放的日志异常检测模型更新方法

本发明公开了一种基于经验回放的日志异常检测模型更新方法，包括：使用Kmeans聚类方法从原始样本中提取出范例样本，并放入到重放缓冲区中；保留范例样本对应的原始类别分数zT(S)以及中间层特征；在模型更新的过程中，基于黑暗经验回放策略，使用重放缓冲区中的范例样本和新样本共同训练模型；重放缓冲区中的范例样本在MLog的CNN特征融合层上进行完整经验回放，保留范例样本对应的原始类别分数zT(S)以及中间层特征，直至完成对于日志异常检测模型的增量更新。本发明能够帮助日志异常检测方法适应数据变化，在保留已有知识的情况下学习新数据，实现持续性有效检测。