龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：福建师范大学
摘要：本发明涉及一种基于多模态生成对抗网络的高维时序数据异常检测方法，属于网络安全领域。包括：数据处理，首先对原始时域和频域数据进行预处理，这里适用小波变化，从原始时域数据变换出频域数据，再用低秩嵌入中的流形学习，得到时域特征和频域特征。特征融合：将时域特征和频域特征，用注意力机制进行融合，将两个视角下的数据进行融合。特征重构：融合后的特征被输入到解码器网络中，通过该网络之后，获得重构的时域和频域数据。异常检测：运用多模态判别器进行异常检测，原始的时域和频域数据同重构之后的时域和频域特征一起输入多模态判别器，经过多模态判别器的判断，输出异常检测结果。
主权项：1.一种基于多模态生成对抗网络的高维时序数据异常检测方法，其特征在于，包括如下步骤：S1、数据处理：将输入原始时域数据变换为频域数据，并利用低秩嵌入中的流形学习算法，得到时域特征和频域特征；原始时域数据在处理之前，还需去除噪声和异常值，确保后续分析的准确性；S2、特征融合：引入注意力机制，以实现对得到时域特征和频域特征的精准融合；通过注意力机制，本方法能够动态地调整不同特征的重要性，从而确保融合后的特征能够全面、准确地反映原始数据的特性；S3、特征重构：通过解码器网络将融合后的特征精确地映射回原始数据空间，生成重构的时域数据和频域数据；S4、异常检测：运用多模态判别器进行异常检测，即将原始时域数据、原始时域数据变换后的频域数据、重构的时域数据和频域数据一起输入多模态判别器，经多模态判别器判断，输出异常检测结果。
全文数据：
权利要求：
百度查询： 福建师范大学 基于多模态生成对抗网络的高维时序数据异常检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号