随着分布式与大规模系统的广泛部署，软件系统正面临着前所未有的复杂性，日志作为记录系统运行状态和潜在异常行为的核心数据载体，包含着丰富的系统健康和安全信息。本研究聚焦于一种基于深度学习的日志异常检测方法。首先，针对软件日志数据的特点提出了一种日志格式解析与特征编码方法。其次，基于Transformer模型设计了日志异常检测框架以捕捉日志中的时序和语义信息，实现高效的异常检测。最后，使用LogHub数据集进行验证。结果表明：所提出的方法在准确率、精确率、召回率和F₁值等指标上均优于传统方法。