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！

龙图腾网获悉哈尔滨工业大学;中国移动通信集团设计院有限公司申请的专利一种面向算力网络的大规模云节点异常识别方法、电子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：CN120162719B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510242142.7，技术领域涉及：G06F18/2433；该发明授权一种面向算力网络的大规模云节点异常识别方法、电子设备及存储介质是由谭凯;詹东阳;蔡亚莉;杜雪涛;张晨;赵蓓;叶麟设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本一种面向算力网络的大规模云节点异常识别方法、电子设备及存储介质在说明书摘要公布了：一种面向算力网络的大规模云节点异常识别方法、电子设备及存储介质，属于云计算数据处理技术领域。为解决现有节点异常行为分析方法通常面临着意图要素模式偏移导致的准确率不足的问题，本发明包括采集面向算力网络的大规模云节点时序数据；进行关键意图要素的提取，得到关键意图要素集合进行识别，得到意图要素识别序列，然后转换为向量表示，得到意图要素识别序列的表示向量；构建多级Transformer结构构建异常分类模型，对意图要素识别序列的表示向量进行异常分类，对意图要素识别序列的表示向量的内部特征和上下文序列特征进行联合学习，完成最终的分类任务，判断面向算力网络的大规模云节点时序数据是否存在异常。本发明鲁棒性高。

本发明授权一种面向算力网络的大规模云节点异常识别方法、电子设备及存储介质在权利要求书中公布了：1.一种面向算力网络的大规模云节点异常识别方法，其特征在于，包括如下步骤： S1.采集面向算力网络的大规模云节点时序数据； S2.对步骤S1得到的面向算力网络的大规模云节点时序数据进行关键意图要素的提取，得到关键意图要素集合； 步骤S2的具体实现方法包括如下步骤： S2.1.设置步骤S1采集的面向算力网络的大规模云节点时序数据包括长度为n的意图要素序列，为意图要素序列中的第i个长度为l的意图要素子序列，为意图要素序列中的第j个长度为l的意图要素子序列，生成长度为l的意图要素候选集合： ； S2.2.使用二分类方法来识别正常意图要素与异常意图要素，设置异常意图要素标签为0，正常意图要素标签为1，对于正常意图要素，选择前k个意图要素序列片段作为关键意图要素； S2.3.对步骤S2.2得到的关键意图要素，进行关键意图要素质量评估，计算长度为的和之间的欧氏距离，表达式为： ； 然后设置长度为的意图要素子序列与意图要素序列之间的距离是和所有归一化子序列的最小距离，表达式为： ； 设置长度为的意图要素子序列与意图要素序列之间的所有距离构成距离列表，表达式为： ； S2.4.基于步骤S2.3的方法对所有意图要素子序列评估，将意图要素子序列按照质量评估进行排序，并删除自相似的意图要素，然后，将排序得到的前k个关键意图要素与步骤S2.2设置的关键意图要素合并后，再次获取前个关键意图要素，并丢弃所有自相似的意图要素，得到关键意图要素集合； S3.对步骤S2得到的关键意图要素集合进行识别，得到意图要素识别序列，然后转换为向量表示，得到意图要素识别序列的表示向量； S4.构建多级Transformer结构构建异常分类模型，对步骤S3得到的意图要素识别序列的表示向量进行异常分类，对意图要素识别序列的表示向量的内部特征和上下文序列特征进行联合学习，完成最终的分类任务，判断面向算力网络的大规模云节点时序数据是否存在异常。

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哈尔滨工业大学;中国移动通信集团设计院有限公司，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。