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！

龙图腾网获悉重庆邮电大学申请的专利一种分布式物联网设备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：CN114462509B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202210032549.3，技术领域涉及：G06F18/2433；该发明授权一种分布式物联网设备异常检测方法是由唐伦;张月;王恺;陈前斌设计研发完成，并于2022-01-12向国家知识产权局提交的专利申请。

本一种分布式物联网设备异常检测方法在说明书摘要公布了：本发明涉及一种分布式物联网设备异常检测方法，属于物联网领域。该方法是先学习异常数据潜在特征分布，并进行特征校正与特征判别，获取高质量的重构数据，均衡正常数据与异常数据比例，并通过所述均衡后的数据指导异常检测网络的训练，输出判别门限，对异常数据进行识别。然后采用基于动态模型选择的联邦学习算法，计算每一个模型的置信度，动态选择本地模型上传至中央服务器进行模型聚合。本发明能够实现物联网场景下高维且不均衡数据的高精度异常检测，保障模型的泛化能力。

本发明授权一种分布式物联网设备异常检测方法在权利要求书中公布了：1.一种分布式物联网设备异常检测方法，其特征在于，该方法具体包括以下步骤： S1：获取物联网设备高维时间序列数据，并对其进行预处理；将预处理后的异常数据作为训练集；对高维时间序列数据进行预处理，具体包括以下步骤： S11：数据归一化处理：采用标准化公式对数据进行归一化处理； S12：对原始数据使用Kmeans聚类算法和PCA降维处理进行降维聚类； S13：两次滑窗处理； S2：对训练集异常数据进行特征提取，特征校正和异常特征判别，获取重构异常数据； S3：将数据扩充后的训练集与原始数据等量混合，作为验证集，指导异常检测网络的训练；计算原始数据的潜在特征分布与重构数据的潜在特征分布的相对熵，判定重构数据与原始数据偏差程度； 所述异常检测网络是采用改进的自编码网络，在潜在特征层引入对抗机制，即在潜在特征层中添加一个鉴别器，并添加一致性增强约束和收缩约束，确保网络对异常数据产生合理一致的潜在表示并将所有输入数据都映射到类似的位置；改进的自编码网络的编解码器部分由两个功能网络组成，用于计算数据的潜在特征分布； S4：采用基于动态模型选择的联邦学习算法，使用验证集初始化全局模型，将模型下发至每个参与者，收到模型后，参与者根据自己本地收集到的时间序列数据开始模型训练，有选择的选择模型上传至中央服务器进行模型聚合。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。

以上内容由龙图腾AI智能生成。