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！

龙图腾网获悉北京涵鑫盛科技有限公司申请的专利一种基于时空行为特征数据解析的异常用户行为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：CN119807974B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510272751.7，技术领域涉及：G06F18/2433；该发明授权一种基于时空行为特征数据解析的异常用户行为检测方法是由赵帅;张志杰;刘佳设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本一种基于时空行为特征数据解析的异常用户行为检测方法在说明书摘要公布了：本申请涉及大数据分析技术领域，公开了一种基于时空行为特征数据解析的异常用户行为检测方法，包括以下步骤：S1、数据采集：获取用户的时空行为特征数据；S2、数据预处理：对数据预处理，提取时空行为特征；S3、特征降维：对多模态特征矩阵进行降维，构建低维流形空间；S4、动态建模：刻画用户行为的局部动态变化模式；S5、分布分析：计算偏离程度；S6、异常判断：判断是否为异常用户行为。通过流形学习技术实现高维时空行为特征数据的非线性降维，采用流形正则化约束确保降维过程中保留数据的局部几何结构。相比传统方法，有效减少计算复杂度的同时，显著提高了特征表达的准确性，为后续分析提供了高质量的输入。

本发明授权一种基于时空行为特征数据解析的异常用户行为检测方法在权利要求书中公布了：1.一种基于时空行为特征数据解析的异常用户行为检测方法，其特征在于，包括以下步骤： S1、数据采集：获取用户的时空行为特征数据； S2、数据预处理：对所述时空行为特征数据进行预处理，提取时空行为特征，形成多模态特征矩阵； 所述S2步骤进一步包括以下步骤： S21、对时空行为特征数据中的缺失值进行补全； S22、对时间和空间特征中的离群值进行剔除； S23、对行为特征的数值范围进行归一化处理，确保特征在同一尺度内； 归一化操作将特征值映射到[0,1]范围内，归一化公式如下： 其中，x’为归一化后的特征值，x为原始特征值，xmin和xmax分别为特征值的最小值和最大值； 对于时间特征的周期性处理，通过将时间映射到二维圆形坐标系表示为： 其中，为时间特征的正弦映射值，t为当前时间点，为时间特征的余弦映射值，T为周期长度； S3、特征降维：基于流形学习方法对多模态特征矩阵进行降维，构建低维流形空间，保持原始数据的局部几何关系； 所述S3步骤中，降维处理通过引入流形正则化约束，保持样本点在邻域内的几何关系，其中约束条件包括构建局部样本点的相似性矩阵，并最小化样本点投影后的相对误差； 在降维过程中引入流形正则化约束，正则化目标函数如下： 其中，f表示数据点的映射函数，λ为正则化强度参数，为函数f所在的Hilbert空间，为函数f在Hilbert空间中的范数，λ为正则化强度参数，Wij为样本点之间的相似性权重，xi，xj为样本点的特征向量； S4、动态建模：在所述低维流形空间中，通过黎曼几何分析刻画用户行为的局部动态变化模式； 所述S4步骤中，动态建模结合时间滑动窗口技术，将用户行为数据分段，以捕捉行为随时间变化的短期和长期特征，并通过计算行为变化的几何偏离量度分析异常特征点； 通过计算用户行为数据在低维流形空间中的曲率，描述用户行为的局部动态特性，高斯曲率K用于刻画流形局部几何性质的重要量度，其定义为： 其中，Hessf是嵌入流形上的Hessian矩阵，表示梯度的模长，通过计算每个样本点的高斯曲率值，识别流形上发生显著变化的区域，这些区域对应于用户行为的潜在异常点； S5、分布分析：基于最优传输理论，计算正常用户行为分布与当前用户行为分布之间的偏离程度； S6、异常判断：将所述偏离程度与预设阈值进行比较，判断是否为异常用户行为。

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北京涵鑫盛科技有限公司，其通讯地址为：100020 北京市朝阳区百子湾路29.31号25幢3层3089室；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”。