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！

龙图腾网获悉复旦大学申请的专利一种基于Transformer的多变量时间序列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：CN116796272B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202310747003.0，技术领域涉及：G06F18/2433；该发明授权一种基于Transformer的多变量时间序列异常检测方法是由赵进;谢梦玮设计研发完成，并于2023-06-21向国家知识产权局提交的专利申请。

本一种基于Transformer的多变量时间序列异常检测方法在说明书摘要公布了：本发明涉及一种基于Transformer的多变量时间序列异常检测方法，包括：针对多变量时间序列数据集，在特征维度对时间序列数据进行归一化处理；对归一化后的时间序列数据应用滑动窗口，将原始时间序列数据分割成一系列滑动窗口，得到多个滑动窗口时序数据；通过时间戳编码和数据编码，对滑动窗口时序数据进行编码；采用基于Transformer模型的异常检测方式，求解所有滑动窗口对应的时间序列的重构取值；根据重构误差和历史误差因素，确定出各个时间序列对应的动态异常阈值；根据对应的动态异常阈值，求解各个时间序列的异常分数，得到时序数据的异常检测结果。与现有技术相比，本发明能够准确且具有鲁棒性地针对多变量时间序列进行异常检测。

本发明授权一种基于Transformer的多变量时间序列异常检测方法在权利要求书中公布了：1.一种基于Transformer的多变量时间序列异常检测方法，其特征在于，包括以下步骤： S1、针对多变量时间序列数据集，在特征维度对时间序列数据进行归一化处理； S2、对归一化后的时间序列数据应用滑动窗口，将原始时间序列数据分割成一系列滑动窗口，得到多个滑动窗口时序数据； S3、通过时间戳编码和数据编码，对滑动窗口时序数据进行编码； S4、采用基于Transformer模型的异常检测方式，求解所有滑动窗口对应的时间序列的重构取值； S5、根据重构误差和历史误差因素，确定出各个时间序列对应的动态异常阈值； S6、根据对应的动态异常阈值，求解各个时间序列的异常分数，得到时序数据的异常检测结果； 步骤S4的具体过程为： S41、将原始输入数据传输到编码器中，应用多维注意力机制，分别运行特征注意力模块和时序注意力模块，将原始时间序列输入X转换成隐变量Y； S42、对T个不重叠的子序列重复步骤S41的操作，得到对应的T个隐变量Y； S43、通过线性插值的方式，将T个实例、即T个隐变量Y进行特征融合操作，形成新的隐变量编码Z； S44、对于隐变量施加先验分布，采用对抗训练策略引导隐变量的先验分布和后验分布达到近似； S45、将隐变量输入到解码器中，重构模型的原始输入，得到重构结果X’； S46、对重构结果X’和原始输入X之间施加对抗训练，得到训练好的异常检测模型，将当前输入数据传输给异常检测模型，输出得到所有滑动窗口对应的时间序列的重构取值； 步骤S41中，特征注意力模块用于学习时间序列的不同特征之间的相关性，时序注意力模块用于学习时间序列内部的长短期依赖关系； 所述步骤S41的具体过程为： 首先将输入数据传输给特征注意力模块，使用时间序列的输入数据计算得到特征编码，得到特征编码后，将原始的时间序列输入与特征编码相结合，此时时间序列的原始输入X转换为隐变量Y； 之后，将隐变量Y输入到时序注意力模块中，获取时序特征，得到时序特征后，结合时序注意力模块的输入Y，将时间序列转换为隐变量Z： Z＝k1OVA+k2·OTA+X+time_encX 其中，OVA为特征编码，OTA为时序特征，k1为特征注意力模块的加权系数，k2为时序注意力模块的加权系数，time_encX为输入X的时间编码结果。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。