Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南工商大学陈荣元获国家专利权

湖南工商大学陈荣元获国家专利权

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!

龙图腾网获悉湖南工商大学申请的专利微服务系统时序异常检测方法、装置、设备、介质及产品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:CN120448713B

龙图腾网通过国家知识产权局官网在2025-09-12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:202510942611.6,技术领域涉及:G06F18/10;该发明授权微服务系统时序异常检测方法、装置、设备、介质及产品是由陈荣元;王晨龙;周鲜成;邹庆奥;赵文军;申立智设计研发完成,并于2025-07-09向国家知识产权局提交的专利申请。

微服务系统时序异常检测方法、装置、设备、介质及产品在说明书摘要公布了:本发明公开了一种微服务系统时序异常检测方法、装置、设备、介质及产品,该方法包括:对原始多元时间序列数据进行预处理,并转换为滑动窗口序列,将滑动窗口序列进行通道独立划分为多个通道的单变量时间序列,并进行周期编码,生成周期编码序列,对周期编码序列进行特征分析,获取局部特征和全局特征,将局部特征与全局特征进行特征融合,并进行解码,生成重构时间序列数据,将重构时间序列数据与原始多元时间序列数据进行均方误差计算,获得各时间步的异常分数,基于异常分数进行异常检测,实现准确区分多元时间序列数据中不同变量的语义差异,并充分提取微服务系统中不同变量的关系特征,准确地检测出微服务系统的时间序列中的异常波动。

本发明授权微服务系统时序异常检测方法、装置、设备、介质及产品在权利要求书中公布了:1.一种微服务系统时序异常检测方法,其特征在于,所述方法应用于微服务系统,所述微服务系统时序异常检测方法包括: 对原始多元时间序列数据进行预处理,并将预处理后的原始多元时间序列数据转换为滑动窗口序列,所述原始多元时间序列数据为不同时间点采集到的微服务系统的多变量时间序列数据,所述预处理包括对所述原始多元时间序列数据中各时间步对应的数据进行标准化处理; 对所述滑动窗口序列进行通道独立划分处理,生成多个通道的单变量时间序列; 对各单变量时间序列进行周期编码,生成周期编码序列; 将所述周期编码序列分别输入至预构建的增强时间卷积网络模型和动态学习注意力模块进行特征分析,获取局部特征信息和全局特征信息; 将所述局部特征信息与所述全局特征信息进行特征融合,获得融合特征信息; 对所述融合特征信息进行解码,生成重构时间序列数据,并将所述重构时间序列数据与所述原始多元时间序列数据进行均方误差计算,获得各时间步的异常分数; 基于所述异常分数对所述原始多元时间序列数据进行异常检测; 所述对各单变量时间序列进行周期编码,生成周期编码序列,包括: 对各单变量时间序列进行快速傅里叶变换,获得频域特征: 其中,表示单变量时间序列,表示时间索引,表示通道索引,表示频域特征; 对所述频域特征的形状进行调整,生成第一重塑矩阵和第二重塑矩阵; 将所述第一重塑矩阵与所述第二重塑矩阵进行矩阵相乘,获得相似度矩阵: 其中,表示相似度矩阵,表示第一重塑矩阵,表示第二重塑矩阵; 基于所述相似度矩阵计算各通道的代表性周期: 其中,表示通道的代表性周期,表示相似度矩阵的前个相似度值,表示序列长度; 根据所述代表性周期确定各通道的编码长度; 基于所述编码长度生成随机起始索引,确定编码起始位置; 基于所述编码起始位置进行周期编码,生成周期编码序列; 所述增强时间卷积网络模型包括多个增强时间卷积模块和通道注意力模块; 所述增强时间卷积模块包括因果卷积层、膨胀卷积层和残差连接层; 所述因果卷积层包括: 其中,表示卷积核权重,表示卷积核大小,表示输入层接收的时间序列数据中时间点的值,表示因果卷积输出结果; 所述膨胀卷积层包括: 其中,表示膨胀卷积结果,表示膨胀率; 所述残差连接层包括: 其中,表示增强时间卷积模块的输出结果,表示增强时间卷积模块的原始输入的周期编码序列; 所述通道注意力模块,用于对各通道沿时间维度进行全局平均池化,生成通道统计量: 其中,表示通道的通道统计量,表示序列长度,表示输入序列数据第个时间步的第个通道的时间序列; 所述通道注意力模块,还用于通过非线性变换生成通道权重: 其中,和分别表示全连接层参数,表示压缩比,表示Relu激活函数,表示Sigmoid函数,表示通道注意力权重,表示全局平均池化后的结果; 所述通道注意力模块,还用于将各通道的通道注意力权重与增强时间卷积网络模型的原始输入的周期编码序列进行逐通道相乘: 其中,表示通道注意力模块的输出结果,表示逐通道乘法,表示增强时间卷积网络模型的原始输入的周期编码序列。

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湖南工商大学,其通讯地址为:410000 湖南省长沙市岳麓区岳麓大道569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”。

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。