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！

龙图腾网获悉厦门工学院申请的专利基于人工智能的用户异常数据监测方法及系统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：CN120541739B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202511046540.8，技术领域涉及：G06F18/2433；该发明授权基于人工智能的用户异常数据监测方法及系统是由赵树升;林燕芬;许文芳;陈锦韬;许茜婷设计研发完成，并于2025-07-29向国家知识产权局提交的专利申请。

本基于人工智能的用户异常数据监测方法及系统在说明书摘要公布了：本发明公开了基于人工智能的用户异常数据监测方法及系统，方法包括数据采集、用户行为评估模型设计、正常行为训练设计、已标注异常校准设计、平衡加权设计、训练衔接策略、异常评估、参数调整和用户异常数据监测。本发明属于行为监测领域，具体是指基于人工智能的用户异常数据监测方法及系统，本方案基于异常评分变换，对微小异常敏感；通过引入样本平衡系数和异常难度自适应加权，控制正常样本的误报梯度，提高异常样本的检测能力；基于个性化的异常评估方法，降低跨用户偏差；采用了细粒度扰动搜索和参数位翻转变异策略，从而提高最终用户异常数据监测可靠性；通过收敛系数平滑更新步长，避免不必要的资源浪费，进而提高用户异常数据监测效率。

本发明授权基于人工智能的用户异常数据监测方法及系统在权利要求书中公布了：1.基于人工智能的用户异常数据监测方法，其特征在于：该方法包括以下步骤： 步骤S1：数据采集；采集历史用户行为数据，构建用户行为数据集； 步骤S2：用户行为评估模型设计；设计基于轻量级MLP网络将每个用户行为数据映射为行为潜在向量； 步骤S3：正常行为训练设计；仅利用正常样本实现正常行为分布建模； 步骤S4：已标注异常校准设计；通过定义正常概率，融合已标注异常样本进行模型校准； 步骤S5：平衡加权设计；基于类别平衡系数和难度自适应指数，通过动态调权构建平衡加权损失； 步骤S6：训练衔接策略；设计两阶段训练策略； 步骤S7：异常评估；通过带动量的中心更新和行为潜在向量，进行异常分数评估； 步骤S8：参数调整；利用优化灰狼搜索算法对模型超参数进行调整，实现用户行为评估模型的建立； 步骤S9：用户异常数据监测；基于建立完成的用户行为评估模型，对实时用户行为数据进行异常监测； 在步骤S2中，所述用户行为评估模型设计是对于用户行为数据集，构建MLP‐based特征提取器，用轻量级前馈网络将每个用户行为数据映射为行为潜在向量zi，网络结构表示为：；其中，是映射函数，表示多层全连接+BatchNorm+ReLU的组合；是MLP网络的所有可训练参数；是用户行为数据；i是样本索引； 在步骤S3中，所述正常行为训练设计是仅用正常用户数据，学习正常行为分布，将所有zi聚拢到超球心附近；损失公式表示为：；异常评分变换表示为：；其中，是正常行为训练损失；是正常用户行为样本的总数；u是行为潜在向量的维度； 在步骤S5中，所述平衡加权设计是进行类别先验调权，定义样本平衡系数，表示为：；；；其中，N是总样本；是异常用户行为样本的总数；是异常先验概率；和分别是异常和正常样本的类别平衡系数；是极小常数；引入异常难度自适应加权，表示为：；其中，是第i个样本第j维的难度指数；和分别是难度指数的最大值和最小值；是sigmoid函数；和分别是位置参数和尺度参数；和分别对应正常样本和异常样本的；损失公式表示为：；；；其中，是平衡加权损失；和分别是正常样本和异常样本的动态权重；是第i个样本第j维被判为正常的概率；是第j维度；是已知标签，若第i个样本标签为异常，则，否则为0；j是维度索引。

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厦门工学院，其通讯地址为：361021 福建省厦门市集美区后溪镇孙坂南路1251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”。