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！

龙图腾网获悉天津大学申请的专利基于双曲空间的网络异常点检测方法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：CN115664970B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211404826.5，技术领域涉及：H04L41/12；该发明授权基于双曲空间的网络异常点检测方法是由王文俊;马志涛;邵明来;孙越恒;武南南设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本基于双曲空间的网络异常点检测方法在说明书摘要公布了：本发明提供了一种基于双曲空间的网络异常点检测方法，通过一个双曲图神经网络来学习属性网络的节点表示；训练生成对抗网络用于检测输入网络嵌入中的异常节点，主要包括：构建属性网络；估计输入所述属性网络的双曲几何曲率参数；通过双曲图神经网络将输入的属性网络映射成双曲空间中的低维向量表示作为该双曲图神经网络的输出；使用反向传播方法使整个神经网络得到训练，最终使用判别器模块实现异常点识别功能。本发明使用双曲图神经网络将图神经网络的节点特征聚合扩展到双曲空间中，有效地融合了节点特征和层次结构，获得了图的高级节点表示，在双曲空间中利用丰富的层次信息进行异常检测任务。显著提高了检测准确率，缩短了异常检测时间。

本发明授权基于双曲空间的网络异常点检测方法在权利要求书中公布了：1.一种基于双曲空间的网络异常点检测方法，其特征在于，通过一个双曲图神经网络来学习属性网络的节点表示；训练生成对抗网络用于检测输入网络嵌入中的异常节点，所述的生成对抗网络中，生成器G用于生成潜在的异常节点表示，判别器D用于分离潜在的异常数据与正常数据；具体步骤如下： 步骤1，构建属性网络 所述属性网络为静态无权无向图，所述属性网络中的节点带有向量形式的属性特征，该属性网络定义如下： Gs＝Vs,Es,Hs1 式1中，Vs为节点集合，Es为边的集合，Hs为节点属性的集合； 步骤2，估计输入所述属性网络的双曲几何曲率参数δ 所述的双曲几何曲率参数δ的定义是取四个点x,y,u,v∈Vs，若： 式2中，为x,y两点之间最短路径的距离，则： 定义三个中间变量，分别记为S1、S2和S3： 对S1，S2，S3进行排序，取其中最大两个值之差绝对值的12为局部双曲几何曲率参数，对整个属性网络进行1000～10000次抽样，取局部双曲几何曲率参数中的最大值即为所述的双曲几何曲率参数δ； 步骤3，基于步骤2所估计的双曲几何曲率参数δ，通过双曲图神经网络HGNN将输入的属性网络映射成双曲空间中的低维向量表示作为该双曲图神经网络的输出，包括： 3-1将存在于欧氏空间中的该属性网络的节点属性向量通过指数映射转换到双曲空间中； 3-2将步骤3-1得到的双曲空间属性向量通过双曲线性变换提取其中的特征； 3-3对步骤3-2得到的双曲空间属性向量的特征与输入的属性网络的拓扑结构进行双曲邻域聚合运算； 3-4将步骤3-3聚合运算得到的结果作为属性网络的双曲空间属性向量，按照步骤3-2和3-3重复进行一次双曲邻域聚合运算，最终的聚合运算即为双曲空间中网络低维表示； 步骤4、将所述的双曲图神经网络作为自编码器的编码器部分对该自编码器进行训练，以更新所述的双曲图神经网络的参数； 步骤5、基于步骤2所估计的双曲几何曲率参数δ，通过步骤4训练好的双曲图神经网络HGNN将输入的属性网络映射成双曲空间中的低维向量表示，作为该训练后的双曲图神经网络的输出； 步骤6、利用步骤5得到的双曲空间中的网络低维表示训练一个生成对抗网络； 步骤7，将步骤5所得到的双曲空间中的低维向量表示输入到步骤6训练好的生成对抗网络的判别器D中，根据判别器D的输出来计算所有节点的异常得分，并据此检测网络异常节点。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。