首页> 中国专利> 基于加权动态网络表示学习的异常群体检测方法

基于加权动态网络表示学习的异常群体检测方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明属于动态网络异常检测技术领域，公开一种基于加权动态网络表示学习的异常群体检测方法，包括：步骤1：基于深度自编码神经网络构建加权动态网络表示学习模型；步骤2：基于构建的加权动态网络表示学习模型进行异常链接识别，得到异常链接集；步骤3：基于所述异常链接集构建全连接神经网络模型，通过所述全连接神经网络模型进行异常群体检测。本发明将异常链接与全连接神经网络异常检测模型相结合，基于异常链接扩展了本发明的适用范围，并在安然邮件数据集和AS级Internet数据集上进行了实验验证，实验结果显示本发明具有较好的异常群体检测效果。

著录项

公开/公告号CN111126437A

专利类型发明专利
公开/公告日2020-05-08

原文格式PDF
申请/专利权人中国人民解放军战略支援部队信息工程大学;
展开▼

申请/专利号CN201911155412.1
发明设计人冯昊;刘琰;周资乔;钟凤喆;王博;
展开▼

申请日2019-11-22
分类号
代理机构郑州大通专利商标代理有限公司;
代理人张立强
地址 450000 河南省郑州市高新区科学大道62号
入库时间 2023-12-17 10:46:11

法律信息

法律状态公告日

法律状态信息

法律状态
2020-06-02

实质审查的生效 IPC(主分类):G06K9/62 申请日:20191122

实质审查的生效
2020-05-08

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于加权动态网络表示学习的异常群体检测方法 [P] . 中国专利： CN111126437A . 2020-05-08
2. 一种基于动态宽度图神经网络的群体传感器异常数据检测方法和系统 [P] . 中国专利： CN113992718A . 2022-01-28
3. ANOMALY DETECTION AND AUTOMATED ANALYSIS IN SYSTEMS BASED ON FULLY MASKED WEIGHTED DIRECTED [P] . 美国专利： US2019087737A1 . 2019-03-21

机译：基于完全加权加权方向的系统异常检测与自动分析
4. A HEURISTIC INSPECTION METHOD TO FIND CAUSES OF SYSTEM ABNORMALITY BASED ON DYNAMIC UNCERTAIN CAUSALITY GRAPH [P] . US2021256030A1 . 2021-08-19

机译：基于动态不确定因果关系图的系统异常原因的启发式检测方法
5. DETECTION METHOD OF ABNORMAL SOUND AND ABNORMALITY DETERMINATION METHOD OF STRUCTURE USING DETECTION VALUE THEREOF, AND SIMILARITY DETECTION METHOD OF VIBRATION WAVEFORM AND VOICE RECOGNITION METHOD USING DETECTION VALUE THEREOF [P] . 日本专利： JP2016142625A . 2016-08-08

机译：异常值的检测方法和结构的异常值的确定方法，振动波形的相似性检测方法和基于确定值的声音识别方法