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！

龙图腾网获悉上海交通大学申请的专利一种面向信息物理系统的异常检测方法、装置、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：CN119740172B 。

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：202411937195.2，技术领域涉及：G06F18/2433；该发明授权一种面向信息物理系统的异常检测方法、装置、介质是由方崇荣;郑成旭;何建平;钱昆设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种面向信息物理系统的异常检测方法、装置、介质在说明书摘要公布了：本发明公开了一种面向信息物理系统的异常检测方法、装置、介质。本发明通过分级检测的框架对信息物理系统的多变量时间序列数据分别进行局部和长期信息的异常检测。通过分别提取局部时间序列的时间特征和变量关联特征，来检查局部的时间和关联异常。并利用提取的高层特征学习鲁棒的隐空间表示，生成对应的隐特征序列，在隐空间上对信息物理系统的集体异常等复杂模式异常进行检测。本发明同时考虑了多变量数据、多尺度分析和时空相关性，有助于覆盖各种攻击引起的异常模式，提高了信息物理系统攻击检测的能力。

本发明授权一种面向信息物理系统的异常检测方法、装置、介质在权利要求书中公布了：1.一种面向信息物理系统的异常检测方法，其特征在于，包括： 利用布设在工业控制现场或信息物理系统中的多个传感器，采集被检测系统中的多项工艺参数或状态参数，得到多变量时间序列数据，构建基于分级检测的多变量时间序列异常检测模型，检测异常的内容包括自身故障、外部攻击、外界干扰；所述多变量时间序列异常检测模型包括由时间特征建模网络和变量关联特征建模网构成的一级检测网络，以及由隐空间特征建模网络构成的二级检测网络； 所述时间特征建模网络用于提取短时间序列的时间特征，同时检查短时间序列在时间依赖上存在的异常，得到时间依赖异常分数； 所述变量关联特征建模网络用于提取短时间序列的变量关联特征，同时检查短时间序列在变量间依赖上存在的异常，得到空间依赖异常分数； 所述隐空间特征建模网络首先将所述一级检测网络从短时间序列中提取到的时间特征和变量关联特征进行融合，映射到隐空间，生成所述短时间序列对应的隐向量，然后对若干按照时间顺序排列的隐向量构成的隐序列进行检测，检查长时间序列在隐空间表示下长时间范围的行为异常，得到隐空间特征异常分数； 计算总异常分数，所述总异常分数包括三部分的和：第一部分是由时间特征建模网络的平均掩码预测误差计算得到的时间依赖异常分数；第二部分是由变量关联特征建模网络的加权掩码预测误差计算得到的空间依赖异常分数，权重系数为自适应分布的概率质量函数；第三部分是由隐序列的预测误差计算得到的隐空间特征异常分数；将所述总异常分数与检测阈值比较，得到异常检测结果。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。