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！

龙图腾网获悉浙江大学申请的专利一种基于多视角图嵌入和节点原型对比的图异常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：CN120257029B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510749084.7，技术领域涉及：G06F18/24；该发明授权一种基于多视角图嵌入和节点原型对比的图异常检测方法是由沈哲;汤斯亮设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本一种基于多视角图嵌入和节点原型对比的图异常检测方法在说明书摘要公布了：一种基于多视角图嵌入和节点原型对比的图异常检测方法，包括如下步骤：S1图异常检测数据集收集和预处理，数据集标签构建；S2基于多视角图嵌入和节点原型对比的图异常检测模型构建；S3使用训练集对模型进行迭代优化；S4反复执行S2和S3，直至总损失值趋于稳定；完成图异常检测模型的训练；S5在测试集上预测节点的异常概率，若概率超过指定的阈值，则视为异常节点。发明通过KNN算法构建多视角邻接矩阵，将节点属性相似度与原始邻接关系融合，生成反映属性相似性的增强邻接矩阵，为图神经网络提供更丰富的输入。本发明通过多视角图嵌入的学习和节点原型对比策略，显著提高正常节点和异常节点的区分度，有效提升图异常检测性能。

本发明授权一种基于多视角图嵌入和节点原型对比的图异常检测方法在权利要求书中公布了：1.一种基于多视角图嵌入和节点原型对比的图异常检测方法，其特征在于，包括如下步骤： S1、图异常检测数据集收集和预处理，数据集标签构建； S2、基于多视角图嵌入和节点原型对比的图异常检测模型构建； S2.1、KNN增强的邻接矩阵生成 通过KNN算法计算节点间属性相似度，选择每个节点的个最相似邻居构建增强的邻接矩阵； S2.2、基于BWGNN模型的特征提取 将原始图和增强图的邻接矩阵、属性特征矩阵输入到定制的频谱滤波器BWGNN模型得到节点表示； S2.3、基于注意力机制的节点表示融合 通过加权注意力机制融合原始图和增强图两种模态的节点表示； S2.4、节点表示的原型对比学习 计算所有正常和异常节点嵌入的平均值作为正常节点和异常节点的原型，最小化某一类别的节点嵌入与对应原型的距离； S2.5、异常节点检测 将节点表示输入分类器，预测节点的异常概率，实现异常节点检测； S3、使用训练集对模型进行迭代优化； S4、反复执行S2和S3，直至总损失值趋于稳定；完成图异常检测模型的训练； S5、在测试集上预测节点的异常概率，若概率超过指定的阈值，则视为异常节点。

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浙江大学，其通讯地址为：310013 浙江省杭州市西湖区余杭塘路866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”。