研究人员提出了 SpikeLogBERT，这是一个专为节能日志解析设计的脉冲神经网络框架，可将原始系统日志转换为结构化事件模板。

  • 该模型将脉冲变压器架构与来自 BERT 教师模型的蒸馏知识相结合，以保留语义表示能力。
  • 它利用稀疏脉冲激活和事件驱动处理，显著减少推理期间的活跃操作数量。
  • 在 HDFS 数据集上的实验表明，SpikeLogBERT 实现了 0.99997 的解析准确率，优于基于 ANN 的神经日志解析模型。
  • 在标准的 45nm CMOS 假设下，该方法将估计的理论能耗降低了高达 62.6%。

该框架提供了一种自动化日志分析方法，在保持高精度的同时，大幅降低了与密集矩阵乘法相关的计算成本和能耗。