買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙商銀行股份有限公司;易企銀(杭州)科技有限公司申請的專利基于自監督混合神經網絡的運維數據異常檢測方法與系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118733398B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411228394.6，技術領域涉及：G06F11/30；該發明授權基于自監督混合神經網絡的運維數據異常檢測方法與系統是由鐘斌;王鎵麟;陸啟羽;高致遠;章浩磊設計研發完成，并于2024-09-03向國家知識產權局提交的專利申請。

本基于自監督混合神經網絡的運維數據異常檢測方法與系統在說明書摘要公布了：本發明公開了一種基于自監督混合神經網絡的運維數據異常檢測方法與系統，包括：獲取運維數據并進行預處理，根據數據的歷史標簽劃分風險等級；提取程序接口運行指標數據中的長短周期性序列的數據；將程序接口運行指標數據中長短周期性序列的數據輸入到預訓練的時間卷積網絡中，得到周期指標權重用于異常檢測網絡輸出的加權拼接；使用權重交叉熵損失函數對異常檢測網絡進行訓練，使用假設檢驗方法捕捉機器性能數據波動輔助得到數據異常結果，通過訓練好的異常檢測網絡進行運維數據異常檢測。本發明實現了從海量運維數據中高效篩選異常數據，解決了需人工標注、小樣本異常數據檢測和難提取數據特征的問題。

本發明授權基于自監督混合神經網絡的運維數據異常檢測方法與系統在權利要求書中公布了：1.一種基于自監督混合神經網絡的運維數據異常檢測方法，其特征在于，該方法包括：S1、獲取運維數據中的程序接口運行指標數據和機器性能指標數據；S2、對數據進行預處理，根據數據的歷史標簽劃分風險等級；所述劃分風險等級具體為：將故障和預警數據中的接口運行成功率分別構造兩個正態分布圖，將預警正態分布圖的累計概率為0.8的點設置為x1，將兩個正態分布圖的相交點設置為x2；將接口運行成功率為x1至100％的數據劃分為第Ⅰ類數據，x2-x1劃分為第Ⅱ類數據，0-x1劃分為第Ⅲ類數據；所述第Ⅰ類數據表明系統程序運行穩定魯棒，所述第Ⅱ類數據表明系統程序存在不穩定風險但運行基本穩定，所述第Ⅲ類數據表明系統程序運行較不穩定存在較大的安全隱患和崩潰風險；S3、獲取輸入數據：提取程序接口運行指標數據中的長短周期性序列的數據；S4、將程序接口運行指標數據中長短周期性序列的數據輸入到預訓練的TCN網絡中，將每個周期的每個指標時序分別進行全局平均池化后作為時序特征，將每個指標的時序特征作為一個神經元通過一個全連接層和一個softmax輸出為1x3的矩陣；將每個神經元連接三個類別的三個權重值中的最大值設置為該指標時序的權重值，最終獲得周期指標權重；S5、使用權重交叉熵損失函數對異常檢測網絡進行訓練，所述異常檢測網絡包括CNN-TCN網絡和特征拼接層，輸入為S3中的輸入數據，輸出為周期指標權重對CNN-TCN網絡輸出的不同周期特征進行加權拼接得到的分類結果；將分類結果中分類錯誤的數據直接劃分為異常數據，然后計算分類正確數據的結果矩陣和真實分類矩陣的歐式距離，并將歐式距離大于預設閾值的數據劃分為異常數據；所述權重交叉熵損失函數中，每個樣本的權重通過假設檢驗方法計算機器性能指標數據中的抖動數據構建；所述權重交叉熵損失函數具體為： 其中，N表示樣本數量，C表示類別數量，ωj表示類別j的權重，yij是樣本i的真實標簽，pij是樣本i在類別j上的預測概率，權重計算如下所示： 其中ωj表示損失函數中類別j的權重，ρ是由機器性能指標的數據抖動決定的權重系數，ε為最高權重值限制系數，P表示該第j類數據在數據集中所占比例；所述假設檢驗包括： 其中，X表示樣本值，U表示總體均值，SD表示標準差，n表示樣本量，當z在置信區間[-Zscore,Zscore]內表明數據正常，反之表明數據抖動；統計抖動數據占窗口內數據的比例為p；損失函數權重系數ρ計算公式如下所示： S6、使用訓練好的異常檢測網絡進行運維數據異常檢測，并通過假設檢驗法得到異常結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙商銀行股份有限公司;易企銀(杭州)科技有限公司，其通訊地址為：311200 浙江省杭州市蕭山區寧圍街道鴻寧路1788號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。