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！

龍圖騰網恭喜上海卓辰信息科技有限公司申請的專利融合對比學習與圖神經網絡的數據相似度查詢方法及裝置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：CN119416135B 。

龍圖騰網通過國家知識產權局官網在2025-04-04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：202510031628.6，技術領域涉及：G06F18/2433；該發明授權融合對比學習與圖神經網絡的數據相似度查詢方法及裝置是由王國榮;葉楊;蘇潔設計研發完成，并于2025-01-09向國家知識產權局提交的專利申請。

本融合對比學習與圖神經網絡的數據相似度查詢方法及裝置在說明書摘要公布了：本申請的融合對比學習與圖神經網絡的數據相似度查詢方法及裝置，涉及人工智能技術領域，通過將請求映射為請求節點，構建請求圖；選擇圖注意力網絡模型作為初始模型，對于每個請求節點，采樣得到正樣本節點和負樣本節點，構建三元組，建立對比學習任務，對圖注意力網絡模型進行訓練；基于圖注意力網絡模型輸出嵌入表示，構建請求節點異常判斷方法，計算請求節點的異常分數，當異常分數大于異常閾值時，將該請求節點標記為異常請求；將請求節點的嵌入表示作為數據點，構建M層最近鄰索引；根據用戶發送的實時異常請求，基于M層最近鄰索引搜索K個候選異常請求并對其進行排序，得到K個相似異常請求，實現了基于數據相似度的異常檢測。

本發明授權融合對比學習與圖神經網絡的數據相似度查詢方法及裝置在權利要求書中公布了：1.融合對比學習與圖神經網絡的數據相似度查詢方法，其特征在于，包括：獲取請求參數及請求結果數據，將請求映射為請求節點，構建請求圖，當新的請求到達時，將其插入請求圖中形成新的請求節點和邊；選擇圖注意力網絡模型作為初始模型，對于每個請求節點，采樣得到正樣本節點和負樣本節點，構建三元組，建立對比學習任務，對圖注意力網絡模型進行訓練；基于圖注意力網絡模型輸出嵌入表示，構建請求節點異常判斷方法，計算請求節點的異常分數，當異常分數大于異常閾值時，將該請求節點標記為異常請求；將請求節點的嵌入表示作為數據點，使用HNSW算法構建M層最近鄰索引，將請求圖中檢測到的新的請求節點插入M層最近鄰索引；根據用戶發送的實時異常請求，基于M層最近鄰索引搜索K個候選異常請求并對其進行排序，得到K個排序后待處理的相似異常請求；所述基于圖注意力網絡模型輸出嵌入表示，構建請求節點異常判斷方法，計算請求節點的異常分數，當異常分數大于異常閾值時，將該請求節點標記為異常請求的具體方法為：利用訓練好的圖注意力網絡模型輸出當前請求節點的嵌入表示，計算請求節點i與每個鄰居節點之間的歐氏距離，并計算請求節點i與所有鄰居節點的平均歐氏距離，計算請求節點i與NJ個鄰居節點的歐氏距離之和占所有請求節點之間的歐氏距離之和的比重；計算請求節點i與所有鄰居節點的平均歐氏距離相對于所有請求節點之間的平均歐氏距離的偏差程度；計算請求節點i的請求發生次數相對于所有請求節點的請求發生次數均值的第一偏差程度，計算請求節點i的異常標注次數相對于所有請求節點的異常標注次數均值的第二偏差程度；將比重和偏差程度相乘的結果，與第一偏差程度和第二偏差程度進行加權求和，得到請求節點i的嵌入表示的異常分數；所述異常閾值包括常規閾值和自適應閾值，圖注意力網絡模型定期輸出請求圖中所有請求節點的嵌入表示，當請求節點的嵌入表示的分布未發生顯著變化時，利用常規閾值與異常分數進行比較，當請求節點的嵌入表示的分布發生顯著變化時，利用自適應閾值與異常分數進行比較，判斷請求節點是否異常；其中，所述請求節點的嵌入表示的分布未發生顯著變化具體指：計算當前所有請求節點的嵌入表示均值和歷史嵌入表示均值之間的均值漂移，當均值漂移小于等于a1時，判定請求節點的嵌入表示的分布未發生顯著變化；所述請求節點的嵌入表示的分布發生顯著變化是指：當均值漂移大于a1時，判定請求節點的嵌入表示的分布發生顯著變化；所述判斷請求節點是否異常的方法為：當異常分數大于常規閾值或自適應閾值時，則該請求節點為異常請求，否則，為正常請求。

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上海卓辰信息科技有限公司，其通訊地址為：201306 上海市浦東新區中國(上海)自由貿易試驗區臨港新片區環湖西二路888號C樓；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”。