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！

龙图腾网获悉华南理工大学申请的专利基于深度学习和知识蒸馏的车联网异常检测轻量化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：CN119475153B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411475169.2，技术领域涉及：G06F18/2433；该发明授权基于深度学习和知识蒸馏的车联网异常检测轻量化方法是由徐红云;黄炜贤;李凤;林志辉设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于深度学习和知识蒸馏的车联网异常检测轻量化方法在说明书摘要公布了：本发明公开了一种基于深度学习和知识蒸馏的车联网异常检测轻量化方法，包括：利用公开的车联网数据集VeReMiExtension，对数据集中每个车辆的时序消息采用滑动窗口策略进行预处理，得到时间窗口，并划分为训练集和测试集；构建教师网络，利用训练集中大量正常时间窗口进行基于重构的无监督学习训练；构建轻量级学生网络，利用已训练好的教师网络指导学生网络对训练集中的正常时间窗口实现知识蒸馏；将训练好的轻量级学生网络与测试所得的预设阈值部署到车联网的路边单元上，实现快速的车联网异常检测。本发明将精度高容量大的教师网络所学习到的知识迁移到轻量级学生网络中，在保证检测精度同时，实现快速的车联网异常检测。

本发明授权基于深度学习和知识蒸馏的车联网异常检测轻量化方法在权利要求书中公布了：1.基于深度学习和知识蒸馏的车联网异常检测轻量化方法，其特征在于，包括以下步骤： 1利用公开的车联网数据集VeReMiExtension，对数据集中每个车辆的时序消息采用滑动窗口策略进行预处理，得到时间窗口，预处理后的数据集划分为训练集和测试集，其中，训练集只包含正常时间窗口，而测试集包含正常时间窗口和异常时间窗口； 2构建基于Transformer和LSTM的教师网络，其中，所述Transformer作为编码器，用于捕捉输入时间窗口中各个位置之间的依赖关系，得到时间窗口信息的压缩表示，所述LSTM作为解码器，通过记忆单元和门控机制有效保持长距离依赖，将Transformer编码压缩后的信息通过解码恢复成为输入的数据；所述教师网络使用全连接神经网络作为线性嵌入层替代原Transformer中的嵌入层，将离散的输入消息特征映射到连续的向量空间中，同时扩大输入的特征维度，以便后续更好地捕捉特征之间的隐藏关系；所述教师网络只使用Transformer的编码器提取时间窗口中的重要信息，而不需要解码器生成序列输出，所以移除了原Transformer中的解码器；所述教师网络在Transformer后引入前馈神经网络层，在LSTM后引入全连接网络层，Transformer后引入前馈神经网络层的作用是整合编码器学习到的特征，并通过逐层传递进行非线性变换，将高维数据映射到低维表示，而LSTM后引入全连接网络层的作用是将解码后的输出映射为期待输出的维度；利用训练集中大量正常时间窗口，使用基于重构的无监督学习方法对教师网络进行训练，使得教师网络学习到正常时间窗口的分布，能够实现恢复正常时间窗口，而无法恢复训练时未见过的异常时间窗口，从而达到区分异常时间窗口的目的； 3构建与教师网络结构相似，但层数、单元数和参数量减少的轻量级学生网络，利用已训练好的教师网络指导轻量级学生网络对训练集中的正常时间窗口实现知识蒸馏，增加轻量级学生网络重构正常时间窗口的能力，得到训练好的轻量级学生网络； 4将训练好的轻量级学生网络使用测试集进行测试，选取在测试集上检测精度最高的阈值作为预设阈值，再将预设阈值和训练好的轻量级学生网络部署到车联网中的路边单元上进行异常检测任务，通过轻量级学生网络对待测时间窗口进行重构，将时间窗口的重构误差作为其异常分数，最终通过将异常分数与预设阈值进行比较，若异常分数超过预设阈值，则判定为异常，否则判定为正常。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。