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！

龙图腾网获悉福建师范大学;福建省公安信息中心申请的专利基于元学习增强的在线塔克分解的网络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：CN120512325B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202511025885.5，技术领域涉及：H04L9/40；该发明授权基于元学习增强的在线塔克分解的网络异常检测方法是由许力;林维;周赵斌;董煜;刘天哲设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本基于元学习增强的在线塔克分解的网络异常检测方法在说明书摘要公布了：本发明公开了基于元学习增强的在线塔克分解的网络异常检测方法，方法为：获取t时刻的多维网络流量张量进行塔克分解获得t时刻因子矩阵和核心张量并维度扩展；利用t+1时刻增量数据更新获得t+1时刻的因子矩阵；对t+1时刻的多维网络流量张量进行奇异值分解；统计累计奇异值和达到时刻t+1的张量范数80%所需的最小奇异值个数作为t+1时刻的低秩特征表示维数；动态确定每一维度的秩，迭代优化核心张量直到收敛；构建异常检测框架，采用块坐标下降法将在线网络流量异常检测解耦为交替优化张量分解子问题和异常检测子问题，结合稀疏残差筛选机制根据更新的因子矩阵和核心张量进行网络异常点识别。本发明能够准确、快速的检测异常流量。

本发明授权基于元学习增强的在线塔克分解的网络异常检测方法在权利要求书中公布了：1.基于元学习增强的在线塔克分解的网络异常检测方法，其特征在于：其包括以下步骤： 步骤1，获取t时刻的多维网络流量张量并进行塔克分解获得t时刻因子矩阵和核心张量，并对因子矩阵和核心张量进行维度扩展； 步骤2，利用t+1时刻的多维网络流量张量的增量数据对t时刻的因子矩阵进行更新，获得t+1时刻的因子矩阵；具体包括以下步骤： 步骤2-1，将t+1时刻的多维网络流量张量划分为个子张量；即t+1时刻的多维网络流量张量划分为个子张量，是一个N项二元组；当＝0时，子张量，其余的个子张量为t+1时刻增量数据； 步骤2-2，按照预设规则对个子张量中属于增量数据的子张量划分N个类的分块子张量； 步骤2-3，利用每个类的分块子张量上的子张量数据分别迭代更新得到t+1时刻的扩展因子矩阵； 步骤2-4，在元更新阶段，将t+1时刻基于N个类的分块子张量更新的扩展因子矩阵进行融合得到t+1时刻元因子矩阵，将t+1时刻元因子矩阵和t时刻的因子矩阵拼接正交化生成t+1时刻的因子矩阵，实现模型对新增结构的适配与迁移； 步骤3，对t+1时刻的多维网络流量张量进行奇异值分解；统计累计奇异值和达到时刻的张量范数80%所需的最小奇异值个数，以作为t+1时刻的低秩特征表示维数；动态确定每一维度的秩，迭代优化核心张量直到达到收敛状态；具体包括以下步骤： 步骤3-1，将张量塔克分解转换为如下形式：，以得到不等式；再代入得到，其中张量的表达式如下：； 步骤3-2，基于矩阵的奇异值计算t+1时刻的多维网络流量张量的多线性秩，具体表达式如下： ； 其中，矩阵是张量的模展开，是的奇异值；的最优解是的前个奇异值对应的左奇异特征向量组成，进而确定的多重线性秩集合； 步骤3-3，t+1时刻初始化的核心张量更新过程如下， ； 当且时，；当时，，，其中表示元矩阵； 步骤3-4，判断是否满足；如果是，则完成核心张量迭代；否则，继续迭代执行步骤2-3； 步骤4，构建面向流式张量的异常检测框架，采用块坐标下降法将在线网络流量异常检测解耦为交替优化张量分解子问题和异常检测子问题，结合稀疏残差筛选机制根据更新之后的因子矩阵和核心张量进行网络异常点的识别。

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福建师范大学;福建省公安信息中心，其通讯地址为：350000 福建省福州市闽侯县上街镇乌龙江中大道18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”。