1 思路

可以考虑用GAN来生成日志信息（数据增强），进行数据增强后的数据集可以提高检测鲁棒性。

2 参考资料

2.1 论文

什么是日志异常检测：基于日志的异常检测技术综述《网络与信息安全学报》

什么是GAN（生成对抗网络）：生成对抗网络《arXiv》

最基础的检测模型：DeepLog

改进1:LogAnomaly

改进2:LogRobust

在日志异常检测中使用到GAN的论文：LogGAN

论文可以在网上搜到很多别人已经翻译后的，可以省去自己翻译的时间，但是如果要精读论文的话，还是自己翻译一遍比较好，因为别人翻译的毕竟是别人的东西，自己总结的才能知道有没有漏缺。

2.2 代码

GAN的python代码实现：GAN基于PyTorch的实现

基于深度学习的日志异常检测代码实现（包含3个方法）：DeepLog+LogAnomaly+LogRobust

代码基本上从GitHub下载下来之后，配置相应的环境即可运行，但是如果要运行大的模型，还是需要一台比较好的机器（特指电脑显卡），笔记本一般只适合运行少量数据（例如10k条日志信息）。

2.3 数据集

获取数据集：Zenodo

数据集介绍：LogHub

数据集预处理：LogPai

基于AI的日志大数据分析工具，能用于自动异常检测：LogLizer

如果不想使用全部数据集，可以在GitHub项目里面下载别人已经处理好的数据（数据量较小，只有2k条日志）。如果想要更多的数据，自己不想处理，也可以找本人要，我可以分享一下已经处理过的数据集。