暨南大学林龙新获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉暨南大学申请的专利工业控制系统异常检测的深度学习方法、装置、存储介质及计算机设备获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119066596B 。
龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411564038.1,技术领域涉及:G06F18/2433;该发明授权工业控制系统异常检测的深度学习方法、装置、存储介质及计算机设备是由林龙新;谷岸阳;陈玉宇;王鑫设计研发完成,并于2024-11-05向国家知识产权局提交的专利申请。
本工业控制系统异常检测的深度学习方法、装置、存储介质及计算机设备在说明书摘要公布了:本发明公开了一种用于工业控制系统异常检测的深度学习方法、装置、工作介质及计算机设备。该方法构建的神经网络模型利用一维卷积和线性层提取传感器节点的时间依赖特征。物理流程图将传感器节点划分为子图,并通过设置为完全图和图注意力网络提取局部依赖特征,池化生成物理流程嵌入,应用图注意力网络捕捉流程间的全局依赖。控制图通过图注意力网络提取控制器内传感器的通信特征,通过池化生成控制器嵌入,再应用图注意力网络捕捉控制器间的信息流动。通过物理流程图与控制器通信图的联合建模,有效捕捉多层次依赖。采用早停机制避免过拟合,支持基于异常分数的异常定位。该方法能够高效检测并定位工业控制系统中的异常,保障系统安全稳定运行。
本发明授权工业控制系统异常检测的深度学习方法、装置、存储介质及计算机设备在权利要求书中公布了:1.工业控制系统异常检测的深度学习方法,其特征在于,包括以下步骤:S1、在需要被保护或者被检测的工业控制系统中使用数据采集系统实时收集传感器数据,对采集得到的数据进行处理得到数据集,此数据集包括训练集、验证集和测试集;S2、构建神经网络模型,此神经网络模型包括:节点编码器,用于提取局部时间依赖关系;面向物理流程图注意力网络模块,用于捕捉传感器在物理过程中的依赖关系;面向控制器图注意力网络模块,用于捕捉控制器之间的传感器信息流动关系;预测器,用于预测出下一个时间戳里传感器的预期值;所述节点编码器包括一维卷积层和线性层,一维卷积层对滑动窗口输入的数据沿时间维度对每个节点进行一维卷积,以捕捉输入序列中的局部时间依赖关系,从而得到卷积后的结果矢量化,再将此结果矢量化输入到线性层,以对每个节点为进行编码;所述面向物理流程图注意力网络模块包括:划分物理子图,将各个节点划分节点集合,以构成物理流程图;生成物理子图,基于自适应注意力机制,令每个节点进行分配不同的权重,并对物理流程图中各个节点特征进行平均池化操作;物理图注意力层,对平均池化后的物理流程图进行图注意力操作,获得相邻的物理流程的特征,以捕捉传感器在物理过程中的依赖关系;面向控制器图注意力网络模块包括:划分控制器子图,将各个节点划分节点集合,以构成控制图;生成控制器子图,基于自适应注意力机制,令每个节点进行分配不同的权重,并对控制图中各个节点特征进行平均池化操作;控制图注意力层,对平均池化后的控制图进行图注意力操作,获得相邻的物理流程的特征,以捕捉控制器之间的信息流动的依赖关系;S3、采用早停机制训练神经网络模型,以对神经网络模型实现优化;S4、部署优化后的神经网络模型,以对被保护或检测的工业控制系统进行异常诊断,得到诊断结果。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人暨南大学,其通讯地址为:510632 广东省广州市天河区黄埔大道西601号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。