申请/专利权人：广东工业大学

申请日：2023-09-07

公开（公告）日：2023-12-12

公开（公告）号：CN117216757A

主分类号：G06F21/55

分类号：G06F21/55;G06F18/241;G06F18/214;G06N3/0442;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明涉及入侵检测技术领域，公开了基于变分自动编码器和shapelet的时间序列异常检测方法及系统，包括以下具体步骤：S1、获取数据集，进行预处理；S2、通过shapelet算法提取预处理后的数据集的特征序列；S3、构建基于变分自编码器和shapelet的异常检测模型；将shapelet特征序列输入到异常检测模型中进行训练，得到隐变量；使用标准化流对隐变量进行可逆映射；根据可逆映射后的隐变量重构特征序列，并计算重构概率为异常分数；S4、根据异常分数，通过SPOT算法自动计算异常阈值；S5、判断是否为异常序列。本发明解决了现有技术无法用于时间序列，不能在不访问标签下的情况下学习异常检测的问题，且具有适用于无监督异常检测的特点。

主权项：1.基于变分自编码器和shapelet的时间序列异常检测方法，其特征在于：包括以下具体步骤：S1、获取训练用的时间序列的数据集，并通过数据标准化对训练用的时间序列的数据集进行预处理；S2、通过shapelet算法提取预处理后的数据集的特征序列，将提取出的特征序列转换为shapelet特征序列；S3、构建基于变分自编码器和shapelet的异常检测模型；将shapelet特征序列输入到异常检测模型中进行训练，得到隐变量；使用标准化流对隐变量进行可逆映射；根据可逆映射后的隐变量重构特征序列，并计算重构概率为异常分数；S4、根据异常分数，通过SPOT算法自动计算异常阈值；S5、将待测验的时间序列输入到异常检测模型中得到待检测的异常分数，若待检测的异常分数大于步骤S4中得到的异常阈值，判断是否为异常序列。

全文数据：

权利要求：

百度查询： 广东工业大学 基于变分自动编码器和shapelet的时间序列异常检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD