← 返回列表

物联网数据存储交易异常检测方法、系统、设备和介质

申请号: CN202410037854.0
申请人: 烟台大学
申请日期: 2024/1/11

摘要文本

本发明公开的物联网数据存储交易异常检测方法、系统、设备和介质,涉及工业物联网数据异常检测技术领域,构建网络图后,聚合网络图的邻域特征信息,获得每个节点的特征;根据每个节点的特征,构建每层的观察图;根据网络图和观察图学习获得最优图,将最优图的节点属性特征用位置编码特征替代;根据特征替换后的最优图和教师模型,获得教师模型向学生模型传递的结构特征嵌入知识;学生模型学习模仿教师模型传过来的知识,并根据网络图节点的位置编码和节点属性,获得节点的结构特征和属性特征;将节点的结构特征和属性特征进行融合,获得节点的融合嵌入向量;根据节点的融合嵌入向量,获得节点的异常检测结果。提高了存储交易异常检测的准确率。

专利详细信息

项目 内容
专利名称 物联网数据存储交易异常检测方法、系统、设备和介质
专利类型 发明申请
申请号 CN202410037854.0
申请日 2024/1/11
公告号 CN117555489A
公开日 2024/2/13
IPC主分类号 G06F3/06
权利人 烟台大学
发明人 刘兆伟; 孙浩杰; 段培永; 方崇荣; 舒明雷; 马宾; 刘惊雷
地址 山东省烟台市莱山区清泉路30号

专利主权项内容

1.物联网数据存储交易异常检测方法,其特征在于,包括:获取工业物联网数据存储交易数据集;利用工业物联网数据存储交易数据集,对构建的异常检测模型进行训练,获得训练好的异常检测模型,其中,异常检测模型包括教师模型和学生模型,异常检测模型构建存储交易数据集的网络图,通过GAT网络聚合网络图的邻域特征信息,获得每个节点的特征;根据每个节点的特征,构建GAT网络每层的观察图;根据网络图、所有层的观察图、每个节点的特征及节点的真实标签,通过贝叶斯图结构学习器学习获得最优图;确定最优图中每个节点的位置编码特征,将最优图的节点属性特征用位置编码特征替代;根据节点属性特征替换为位置编码特征的最优图和教师模型,获得教师模型向学生模型传递的结构特征嵌入知识;学生模型学习模仿教师模型传过来的知识,并根据网络图节点的位置编码和节点属性,获得节点的结构特征和属性特征;将节点的结构特征和属性特征进行融合,获得节点的融合嵌入向量;根据节点的融合嵌入向量,获得节点的异常检测结果;利用训练好的异常检测模型,对工业物联网数据存储交易进行异常检测,获得异常检测结果。