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！

龙图腾网获悉南方电网科学研究院有限责任公司申请的专利一种基于对抗攻击的数据驱动算法异常数据过滤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：CN117688000B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202311711062.9，技术领域涉及：G06F16/215；该发明授权一种基于对抗攻击的数据驱动算法异常数据过滤方法是由洪超;王琦;梁志宏;刘增稷;杨祎巍;李攀登;陈霖设计研发完成，并于2023-12-12向国家知识产权局提交的专利申请。

本一种基于对抗攻击的数据驱动算法异常数据过滤方法在说明书摘要公布了：本发明公开了一种基于对抗攻击的数据驱动算法异常数据过滤方法，属于电力能源领域，由关键特征与关键节点选择器、异常数据辨识器和异常数据修复器共同组成的输入数据过滤器包括如下内容：首先建立关键特征与关键节点选择器模型，输入为量测数据，考虑特征关键度序列和节点关键度序列生成关键量测数据矩阵；进而，基于异常数据辨识方法，建立异常数据辨识器模型，异常数据辨识器模型的输入为关键量测数据矩阵，输出为被检测为异常的节点量测数据，并从关键量测数据中去除异常数据；最后基于相邻节点量测数据的相关性，并考虑异常数据修复过程的实时性要求，建立异常数据修复器模型。

本发明授权一种基于对抗攻击的数据驱动算法异常数据过滤方法在权利要求书中公布了：1.一种基于对抗攻击的数据驱动算法异常数据过滤方法，其特征在于，方法包括以下步骤： 建立关键特征与关键节点选择器模型，输入为量测数据，并考虑特征关键度序列和节点关键度序列生成关键量测数据矩阵； 基于异常数据辨识方法，建立异常数据辨识器模型，异常数据辨识器模型的输入为关键量测数据矩阵，输出为被检测为异常的节点量测数据，并从关键量测数据中去除异常数据； 考虑相邻节点量测数据的相关性和异常数据修复过程的实时性要求，建立异常数据修复器模型； 基于上述关键特征与关键节点选择器、异常数据辨识器和异常数据修复器模型，共同组成输入数据过滤器，实现基于对抗攻击的数据驱动算法异常数据过滤； 所述关键特征与关键节点选择器模型包括： 关键特征与关键节点选择器的输入为量测数据X，输出为关键量测数据矩阵XS，其与输入数据X具有相同维度，关键特征与关键节点选择器基于预先计算得到的特征关键度序列QF和节点关键度序列QN实现，在序列QF前kKF个关键特征中随机选择kSF个特征，在序列QN前kKN个关键节点中随机选择kSN个节点，关键度序列通过χ2检验计算得到，χ2值越小说明该特征或节点越关键： 其中kF为特征编号，l为样本标签，EF为针对标签l的特征kF的期望，T为样本总数，Tl为标签为l的样本总数，∑mXikF为第i个样本中各节点的第kF个特征的所有数据之和，∑mXlkF为标签为l的样本中各节点的第kF个特征的所有数据之和； 所述特征关键度序列和节点关键度序列包括： 将χF2按照从小到大顺序排列得到序列QF，并从中选取部分较为关键的特征数据，得到关键特征序列QSF： QF＝sortχF2 QSF＝randomQF1:kKF,kSF 其中sort·为排序函数，random·为随机函数，随机选取序列中一定数目的成员； 节点关键度序列QN的计算方法为： QN＝sortχN2 QSN＝randomQN1:kKN,kSN 其中kN为节点编号，EN为针对标签l的节点kN数据的期望，将QSF与QSN共同标记为关键度序列QS； 根据QSF和QSN，在输入数据中截取出所选节点和特征对应的数据点XC： 对XC进行平滑，补充空缺数据点的数据为临近关键特征对应数据的平均值，从而得到仅含关键特征和关键节点的量测数据XS： 其中XCi1为截取出的输入数据中所有节点第i1个特征的数据。

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南方电网科学研究院有限责任公司，其通讯地址为：510663 广东省广州市萝岗区科学城科翔路11号J1栋3、4、5楼及J3栋3楼；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。