Слежение за логами серийных консолей серверов МИВК ЛИТ ОИЯИ всегда было актуальной задачей. Чтобы сократить время реагирования на отказ, классификацию большого числа строк, представляющую из себя рутинный и трудоёмкий процесс, необходимо повторять несколько раз в день. Решением данной задачи стало составление специальных регулярных выражений, которые позволили отделять логи с ошибками. Однако данный подход привёл к большому числу ложных срабатываний. Эту проблему удалось решить с помощью создания нейросетевой модели LOGmon. Она позволила увеличить процент распознавания логов, при этом значительно уменьшив число ложных срабатываний. Применение данной модели в системе мониторинга LITmon позволит увеличить уровень надежности работы серверов путём представления своевременных предупреждений о возможных аварийных ситуациях. В данном докладе будет представлен нейросетевой алгоритм и реализована нейромодель, которая позволяет создать альтернативу типовому алгоритму на базе регулярных выражений, применяемому в МИВК ЛИТ ОИЯИ.