申请/专利权人：天津大学

申请日：2023-11-28

公开（公告）日：2024-03-01

公开（公告）号：CN117640454A

主分类号：H04L43/0823

分类号：H04L43/0823;H04L41/16;H04L41/14;H04L41/12

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开基于图规则的生物学术网络异常检测方，包括：根据生物学术原始数据构建静态属性图；定义用于静态属性图异常检测的规则语法：通过构建规则生成树挖掘出非频繁规则集合；对挖掘出的非频繁规则进行筛选，筛选出异常规则；从异常规则中提取出需要在静态属性图中进行匹配的异常模式Q以及对于属性的限制条件Cons；利用条件强模拟算法寻找静态属性图中满足异常规则中拓扑型结构要求以及属性限制的匹配结果，每个条件对应的匹配结果都是一个由节点集合表示的异常子图；将各个异常规则在静态属性图中匹配到的异常结果进行汇总，得到最终的异常子图集合。本发明可适用于学术网络场景下的异常检测工作。

主权项：1.基于图规则的生物学术网络异常检测方法，其特征在于，包括步骤：S1.根据生物学术原始数据构建静态属性图；S2.定义用于静态属性图异常检测的规则语法：S3.通过构建规则生成树挖掘出非频繁规则集合；S4.对挖掘出的非频繁规则进行筛选，筛选出异常规则；S5.从异常规则中提取出需要在静态属性图中进行匹配的异常模式Q以及对于属性的限制条件Cons；S6.利用条件强模拟算法寻找静态属性图中满足异常规则中拓扑型结构要求以及属性限制的匹配结果，每个条件对应的匹配结果都是一个由节点集合表示的异常子图；S7.将各个异常规则在静态属性图中匹配到的异常结果进行汇总，得到最终的异常子图集合。

全文数据：

权利要求：

百度查询： 天津大学 基于图规则的生物学术网络异常检测方法

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