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！

龙图腾网获悉湖南科技大学申请的专利面向边缘设备的无监督工业时序数据快速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：CN119598258B 。

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：202411688863.2，技术领域涉及：G06F18/24；该发明授权面向边缘设备的无监督工业时序数据快速异常检测方法是由曹鑫喆;陈磊;何庭钦;邓杏叶;徐业鹏;郭浩淼;胡博雯设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本面向边缘设备的无监督工业时序数据快速异常检测方法在说明书摘要公布了：本发明公开了一种面向边缘设备的无监督工业时序数据快速异常检测方法，所述检测方法包括：首先，用数据相似度来代替工业传感器时序数据作为方法的输入，达到数据隐私保护的目的；其次，为每个时间戳设置一个仅带一个参数的可训练高斯分布来取代传统深度且笨重的神经网络用于建模每个时间戳与其邻居的潜在相似度，确保结构的轻量化；最后，设计一种全局和局部对抗学习策略来放大每个时间戳的全局相似度和局部相似度间的差异，并使用全局和局部相似度差异来判定每个时间戳是否为异常，提升方法的准确性。本发明的面向资源有限边缘设备的工业时序异常快速检测方法，利用轻量化结构来在保障数据隐私的同时，具备高精度、高速度和低资源消耗的特点。

本发明授权面向边缘设备的无监督工业时序数据快速异常检测方法在权利要求书中公布了：1.一种面向边缘设备的无监督工业时序数据快速异常检测方法，其特征在于，所述检测方法包括：首先，用数据相似度来代替工业传感器时序数据作为方法的输入，摆脱对隐私数据的依赖，达到数据隐私保护的目的；其次，为每个时间戳设置一个仅带一个参数的可训练高斯分布用于建模每个时间戳与其邻居的潜在相似度，使结构轻量化；然后，设计一种全局和局部对抗学习策略放大每个时间戳的全局相似度和局部相似度间的差异；最后，用全局和局部相似度间的差异被作为指标来判定每个时间戳是否为异常； 所述检测方法具体包括以下步骤： 步骤S1，计算初始相似度作为输入，利用从第三方安全接口或第三方相似度计算模型获得的原始隐私数据的相似度作为初始输入； 步骤S2，为每个时间戳构建可训练高斯分布，利用两层MLP网络作为生成器，以每个时间戳的初始邻居相似度为输入，生成每个时间戳的私有可训练方差高斯分布； 步骤S3,生成局部邻居和全局邻居拟合相似度，对每个时间戳进行邻居采样，生成全局邻居和局部邻居，再根据采样邻居坐标对初始相似度进行归一化，生成全局邻居的拟合相似度和局部邻居的拟合相似度； 步骤S4，全局和局部对抗学习，从相似度拟合和面积最大化两个方面，将局部相似度学习和全局相似度学习看作两个竞争者，执行对抗学习，并通过反向梯度更新每个时间戳的可训练高斯分布的参数，缩小正常时间戳的全局和局部相似度差异，放大异常时间戳的全局和局部相似度差异； 步骤S5，为每个时间戳生成异常评分，利用训练好的可学习高斯分布模型对每个待测试集时间戳进行异常评分，并根据异常评分判定当前时间戳是否为异常。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石码头；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。