Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 福建国科信息科技有限公司韦浩阳获国家专利权

福建国科信息科技有限公司韦浩阳获国家专利权

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!

龙图腾网获悉福建国科信息科技有限公司申请的专利一种基于深度学习的数据中心机房运维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:CN120469839B

龙图腾网通过国家知识产权局官网在2026-01-06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:202510626950.3,技术领域涉及:G06F11/07;该发明授权一种基于深度学习的数据中心机房运维异常检测方法是由韦浩阳;杨景学设计研发完成,并于2025-05-15向国家知识产权局提交的专利申请。

一种基于深度学习的数据中心机房运维异常检测方法在说明书摘要公布了:本申请提供一种基于深度学习的数据中心机房运维异常检测方法,包括:针对低维特征集合,采用长短期记忆网络分析时间序列,捕捉低维动态特性中的微妙模式,得到行为模式序列;从异常候选集合中提取数据包结构和时间延迟变化,采用孤立森林算法进行二次筛选,确定隐蔽异常行为集合;根据异常模式集合,采用滑动窗口机制分析实时数据流,判断异常模式是否持续出现,得到异常持续性评分;根据最终异常检测结果,更新行为基准模型的参数,采用在线学习机制优化模型,得到更新后的行为基准模型;针对更新后的行为基准模型,循环执行实时数据流分析,持续捕捉微妙模式,得到连续的异常检测输出。

本发明授权一种基于深度学习的数据中心机房运维异常检测方法在权利要求书中公布了:1.一种基于深度学习的数据中心机房运维异常检测方法,其特征在于,所述方法包括: 从通信协议数据中获取实时数据流,通过预处理提取数据包结构和时间延迟变化特征,采用主成分分析降维,得到低维特征集合;针对低维特征集合,采用长短期记忆网络分析时间序列,捕捉低维动态特性中的微妙模式,得到行为模式序列; 所述针对低维特征集合,采用长短期记忆网络分析时间序列,捕捉低维动态特性中的微妙模式,得到行为模式序列,包括: 通过预设的数据接口从低维特征集合获取时间序列数据,采用标准化处理方法对数据进行归一化,得到处理后的时间序列数据; 采用长短期记忆网络对处理后的时间序列数据进行训练,设置隐藏层单元以捕捉时间依赖关系,生成包含动态特性的中间特征表示; 根据中间特征表示,应用注意力机制对低维动态特性进行加权,提取关键时间步的细微模式,得到加权后的特征向量; 若加权后的特征向量的维度超过预设阈值,则通过主成分分析方法进行降维处理,得到降维后的特征向量; 通过预设的分类器对降维后的特征向量进行模式识别,生成初步的行为模式序列; 获取初步的行为模式序列,采用滑动窗口方法检测序列中的异常点,若检测到异常点,则通过插值方法进行平滑处理,得到平滑后的行为模式序列; 根据平滑后的行为模式序列,应用聚类方法对序列进行分组,确定最终的行为模式序列; 根据行为模式序列,构建自适应行为基准模型,若新数据与模型偏差超过预设阈值,则判断为潜在异常,得到异常候选集合;从异常候选集合中提取数据包结构和时间延迟变化,采用孤立森林算法进行二次筛选,确定隐蔽异常行为集合;针对隐蔽异常行为集合,计算各异常模式与行为基准模型的相似度,若相似度低于预设阈值,则判定为异常模式,得到异常模式集合;根据异常模式集合,采用滑动窗口机制分析实时数据流,判断异常模式是否持续出现,得到异常持续性评分; 所述根据异常模式集合,采用滑动窗口机制分析实时数据流,判断异常模式是否持续出现,得到异常持续性评分,包括: 步骤1,获取实时数据流,通过预先建立的异常模式集合进行模式匹配,确定初始异常事件; 步骤2,若初始异常事件被检测到,则采用滑动窗口机制划分时间窗口,得到时间窗口内的数据子集; 步骤3,针对时间窗口内的数据子集,计算异常模式发生频率,获得频率分布特征; 步骤4,通过频率分布特征与预设的异常检测阈值进行比较,判断异常模式是否持续出现; 步骤5,若异常模式持续出现,则根据评分计算公式,结合异常模式发生频率和持续时间,得到异常持续性评分; 步骤6,采用持续性评分,更新异常模式集合中的模式权重,获得优化后的异常模式集合; 步骤7,通过优化后的异常模式集合,重新分析实时数据流,确定下一轮异常事件; 上述步骤1-7形成逻辑闭环,上下步骤输出与输入紧密连接,均围绕异常持续性评分的目标,基于异常模式集合、滑动窗口机制和实时数据流展开,避免无关属性,确保技术流程严密关联; 针对异常持续性评分,采用加权平均方法融合数据包结构和时间延迟变化的权重,若评分超过预设阈值,则确认异常,得到最终异常检测结果。

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福建国科信息科技有限公司,其通讯地址为:361000 福建省厦门市软件园三期集美大道1302号创业大厦第9层914单元;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。

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。