申请/专利权人：北京邮电大学

申请日：2024-01-29

公开（公告）日：2024-04-26

公开（公告）号：CN117932517A

主分类号：G06F18/2433

分类号：G06F18/2433;G06F18/22;G06F18/214;G06N3/082;G06F40/18

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种基于深度学习的表格数据异常检测方法及系统，涉及数据检测领域。本发明包括以下步骤：获取待检测数据，并输入掩码生成器中，输出多个掩码矩阵；将每个掩码矩阵与原始数据执行元素乘积，生成多个掩码；将多个掩码输入重构网络，将掩码输入映射到潜在空间的特征表示，并将特征从潜在空间重新映射到原始空间，进而输出与输入相匹配的重构数据；分别计算掩码与重构数据的重构误差，使用平均重构误差作为异常分数，将异常分数高于正常样本的待检测数据判为异常数据。本发明具备较强的泛化能力，能够成功扩展至其他形式的大数据异常检测任务。

主权项：1.一种基于深度学习的表格数据异常检测方法，其特征在于，包括以下步骤：获取待检测数据，并输入掩码生成器中，输出多个掩码矩阵；将每个掩码矩阵与原始数据执行元素乘积，生成多个掩码；将多个掩码输入重构网络，将掩码输入映射到潜在空间的特征表示，并将特征从潜在空间重新映射到原始空间，进而输出与输入相匹配的重构数据；分别计算掩码与重构数据的重构误差，使用平均重构误差作为异常分数，将异常分数高于正常样本的待检测数据判为异常数据。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种基于深度学习的表格数据异常检测方法及系统

免责声明
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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD