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！

龙图腾网获悉广东技术师范大学;广州星溪科技有限公司申请的专利异常检测GNN建模方法、装置、计算机设备及存储介质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：CN116910678B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202311022234.1，技术领域涉及：G06F18/2433；该发明授权异常检测GNN建模方法、装置、计算机设备及存储介质是由蔡君;魏泽横;罗建桢;杨道设计研发完成，并于2023-08-15向国家知识产权局提交的专利申请。

本异常检测GNN建模方法、装置、计算机设备及存储介质在说明书摘要公布了：本发明属于工控技术领域，涉及异常检测GNN建模方法、装置、计算机设备及存储介质，方法包括基于通用过程知识，区分传感器结点和执行器结点；根据运行规律和控制规则，分别构建传感器结点级时序预测GNN模型和执行器点级时序预测GNN模型；基于实体空间关系，分别为传感器、执行器结点级时序预测GNN模型在训练前提供固定的结点关系图；设计消息传递与聚合函数，使传感器结点级时序预测GNN模型学习传感器遵循的运行规律，使执行器结点级时序预测GNN模型学习执行器遵循的控制规则；将学习后的传感器结点级时序预测GNN模型和学习后的执行器结点级时序预测GNN模型进行异常检测融合。不仅在经典评价指标下超越了基线方法，还解决了攻击漏检的隐患问题。

本发明授权异常检测GNN建模方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种异常检测GNN建模方法，其特征在于，包括下述步骤： 基于通用过程知识，区分传感器结点和执行器结点； 根据运行规律和控制规则，分别构建传感器结点级时序预测GNN模型和执行器结点级时序预测GNN模型； 基于实体空间关系，分别为传感器结点级时序预测GNN模型和执行器结点级时序预测GNN模型在训练前提供固定的结点关系图； 设计消息传递与聚合函数，使传感器结点级时序预测GNN模型学习传感器遵循的运行规律，使执行器结点级时序预测GNN模型学习执行器遵循的控制规则； 将学习后的传感器结点级时序预测GNN模型和学习后的执行器结点级时序预测GNN模型进行异常检测融合； 所述基于通用过程知识，区分传感器结点和执行器结点的步骤具体包括： 基于通用过程知识，将结点分类为传感器结点和执行器结点； 分别定义传感器结点集合与执行器结点集合为和，和分别含有和个结点，则有，，其中，为过程数据集合，为过程数据结点总数； 数据集任意时刻的向量，分为传感器向量和执行器向量，，其中,为拼接操作，，其中为传感器结点在时刻的取值，传感器结点取值连续，，其中为执行器结点在时刻的取值，执行器结点取值离散； 根据传感器结点和执行器结点，分别构建传感器结点级时序预测GNN模型和执行器结点级时序预测GNN模型的步骤具体包括： 构建传感器结点级时序预测GNN模型，传感器结点级时序预测GNN模型为，，其中，表示任意时刻的预测输出向量，包含所有个传感器的数值，表示目标传感器结点在时刻的预测值，表示的邻域，和分别是邻域中传感器结点和执行器结点的消息传递与聚合函数，其中，与分别表示传感器结点与执行器结点在时刻到的取值，表示预测起始时刻，和则是对应结点的可训练参数； 构建执行器结点级时序预测GNN模型，执行器结点级时序预测GNN模型为，，其中，表示任意时刻的预测输出向量，包含所有个执行器的数值，表示目标执行器结点在时刻的预测值，表示的邻域，和分别是邻域中传感器结点和执行器结点的消息传递与聚合函数，其中，与分别表示传感器结点与执行器结点在时刻到的取值，表示预测起始时刻，和则是对应结点的可训练参数。

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广东技术师范大学;广州星溪科技有限公司，其通讯地址为：510665 广东省广州市天河区石牌中山大道西293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。