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！

龙图腾网获悉南京航空航天大学申请的专利一种全局空间关联感知的自监督图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：CN120852818B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511377500.1，技术领域涉及：G06V10/75；该发明授权一种全局空间关联感知的自监督图异常检测方法是由袁杰;冯书谊;张家强;陈松灿设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本一种全局空间关联感知的自监督图异常检测方法在说明书摘要公布了：本发明公开了一种全局空间关联感知的自监督图异常检测方法，涉及金融安全、网络安全等领域。该方法包括：基于图扩散和随机游走采样全局与局部子图；通过双视图对比学习编码局部与全局信息；基于属性重建学习利用节点属性一致性特征；联合训练对比学习与重建学习模块并融合分数实现异常检测。本发明通过整合局部与全局结构信息及节点属性特征，有效缓解图神经网络信号平滑对异常检测的影响，提升属性网络中异常节点检测准确性，适用于社交网络、交易网络等场景的异常检测。

本发明授权一种全局空间关联感知的自监督图异常检测方法在权利要求书中公布了：1.一种全局空间关联感知的自监督图异常检测方法，其特征在于，包括以下步骤： 步骤1、以原始图网络作为输入，对于每一个节点，基于图扩散技术与随机游走技术，在给定的超参数下采样出全局视角子图和局部视角子图； 步骤2、基于步骤1采样得到的全局视角子图和局部视角子图，在全局和局部视角下，将每个节点自身采样的子图作为正样本，将其他节点的子图作为负样本；通过视图内对比学习最大化目标节点与其对应子图表征的一致性，通过视图间对比学习使两个视角的判别得分趋近，以编码局部和全局信息； 步骤3、基于步骤1采样得到的子图，一部分将子图上的邻居节点的特征作为解码器的输入来重建当前节点的原始特征；另一部分将节点的特征一分为二，计算每个节点与其他所有节点的两部分特征下的相似性向量并求差，实现全局空间关联感知的重建学习； 步骤4、设计平衡参数对步骤2的对比学习和步骤3的重建学习进行联合训练优化，测试时融合步骤2和步骤3输出的分数，完成异常检测； 所述步骤3具体包括： 将子图上的邻居节点的特征拼接为，通过解码器重建节点的原始特征，定义损失为： ； 将节点和，计算与其他节点的相似性向量和，定义损失为：； 重建学习总损失为： ； 所述步骤4具体包括： 通过平衡参数构建总损失函数，对模型进行联合训练； 测试时，对比学习模块中导出的分数为正负样本之间的判别分数之差： ； 和分别为节点与其正负样本子图的对比得分； 重建模块导出的分数为： ； 将二者在测试时的分数融合后进行最终的异常检测，公式为： 。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29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。