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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利结合密度感知和检测难度的主动异常检测方法及系统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：CN115758257B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202211421675.4，技术领域涉及：G06F18/2415；该发明授权结合密度感知和检测难度的主动异常检测方法及系统是由沈大勇;程力;张忠山;贺仁杰;王涛;李彬;闫俊刚;姚锋;何磊;杜永浩;吕济民设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本结合密度感知和检测难度的主动异常检测方法及系统在说明书摘要公布了：本发明提供了一种结合密度感知和检测难度的主动异常检测方法及系统，方案包括：采用基于随机二分树的异常检测模型，支持快速的增量更新；根据叶子节点区域的密度变化和检测难度计算查询概率分数，选择对于当前模型最有价值的数据样本；利用专家标记样本对叶子节点的区域密度和权重进行更新，有效利用专家提供的领域知识。本方案能够将专家领域知识与异常检测模型相结合，提升模型的实际应用性能。

本发明授权结合密度感知和检测难度的主动异常检测方法及系统在权利要求书中公布了：1.结合密度感知和检测难度的主动异常检测方法，其特征在于，所述方法包括： S1、基于数据流初始阶段积累的数据S，构建异常检测模型； S2、基于数据样本的动态变化和检测难度，计算数据样本的查询概率得分；在每一批次的数据样本中，选择查询概率得分最高的预设百分比的数据样本，进行专家判定； S3、当前批次数据样本到达后，对所述异常检测模型进行更新，所述更新包括密度矩阵更新、权重矩阵更新，所述权重矩阵更新，至少部分地基于专家判定的返回标记样本； S4、所述异常检测模型更新后，至少部分地基于更新后的密度矩阵、权重矩阵，利用异常检测模型计算数据样本的异常得分；并返回S2，进入下一批次数据样本的检测； 所述S4中，数据样本xi的异常得分为： 其中，K为树数量，Tk表示第k棵树，表示在树Tk中所处的叶子节点序号，表示树Tk的第个叶子节点在异常分数计算中的权重，表示树Tk的第个叶子节点的样本数目，Z为缩放参数； 所述S2中，所述动态变化以动态变化得分表示，具体方式为： 基于各棵树的叶子节点样本数目构建的叶子节点密度矩阵，将叶子节点的数据密度进行平滑处理； 计算第b批数据与第b‑1批数据在第k棵树的第j个叶子节点发生的数据密度变化； 将数据样本xi在K棵树中各叶子节点发生的数据密度变化的均值，作为数据样本xi的动态变化得分，K为树数量。

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中国人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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”。

以上内容由龙图腾AI智能生成。