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！

龙图腾网获悉浙江大学申请的专利一种基于多种数据采集系统的多模态数据异常检测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：CN118821018B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202410959756.2，技术领域涉及：G06F18/2433；该发明授权一种基于多种数据采集系统的多模态数据异常检测方法是由程海波;程学林;吴波涛设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本一种基于多种数据采集系统的多模态数据异常检测方法在说明书摘要公布了：本发明公开了一种基于多种数据采集系统的多模态数据异常检测方法，涉及多模态数据异常检测技术领域，包括以下步骤：S1、数据采集：通过数据采集系统，采集微服务系统中的可观测数据，包括性能指标、日志信息、网络流量；S2、数据预处理：对采集到的多模态数据进行清洗、整合和标准化处理，消除噪声和异常数据；本发明中，通过全面采集数据、多模态数据融合、优化异常检测算法和根因定位机制等手段，提高了异常检测的准确性和效率，降低了故障排查的成本和时间，为微服务系统的稳定运行提供了有力的支持，同时，系统还具备实时性、自适应性和友好的交互性，为运维人员提供了更便捷、更高效的运维工具。

本发明授权一种基于多种数据采集系统的多模态数据异常检测方法在权利要求书中公布了：1.一种基于多种数据采集系统的多模态数据异常检测方法，其特征在于，包括以下步骤： S1、数据采集； S2、数据预处理； S3、多模态数据融合：将预处理后的多模态数据进行融合，构建多模态数据融合图，将不同来源、不同格式的数据统一表示，并为它们之间的复杂关联和相互作用建模； S3.1、在图融合数据的基础上，利用图神经网络学习不同模态数据之间的关联关系； S3.2、融合过程考虑数据的异构性和复杂性； S4、构建异常检测模型框架：在融合图上应用图注意力机制网络，捕捉全局序列层面上不同模态在时间和空间上的复杂相互关系； S4.1、利用二分类模型进行异常检测，针对无监督学习方法在异常检测中的局限性； S4.1.1、引入半监督学习方法，结合微服务系统的实际特点，设计合适的损失函数和优化算法； S4.1.2、考虑异常检测中时间和空间特性，设计合适的特征提取和编码方法； S5、构建根因定位模型框架：在检测到异常后，利用随机游走算法在融合图中进行根因定位； S5.1、通过对比不同根因的权重，确定前几名异常根因； S6、系统实现：编写包含数据采集、异常检测、数据可视化模块的系统；系统实时监控系统状态，将异常检测和根因定位的结果进行可视化展示，提供友好的用户界面和交互功能。

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浙江大学，其通讯地址为：310013 浙江省杭州市西湖区余杭塘路866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。