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！

龙图腾网获悉国网思极飞天(兰州)云数科技有限公司申请的专利基于作业节点信息的云端协同数据异常分析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：CN120832630B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511343209.2，技术领域涉及：G06F18/2433；该发明授权基于作业节点信息的云端协同数据异常分析方法及系统是由田琳;马冬冬;段中超;周玉清;白彦云;辛俊韦;刘振国;雷鑫设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本基于作业节点信息的云端协同数据异常分析方法及系统在说明书摘要公布了：本发明公开了基于作业节点信息的云端协同数据异常分析方法及系统，方法包括作业节点数据采集、节点状态簇初始化、节点关联度计算、节点量化评估、本地初判和云端协同异常校验。本发明属于数据分析领域，具体是指基于作业节点信息的云端协同数据异常分析方法及系统，本方案通过对历史正常数据进行邻域聚集度划分簇，通过邻域关联度确保长期运行特定任务的节点被正确识别为正常；并引入链路关联，通过关联节点的历史正常性间接辅助判断目标节点状态；引入采样弱化机制计算节点正常簇内聚度，避免因负载变化导致的正常误判为异常；通过簇间区分度量化异常与正常节点的边界清晰度，基于云端协同校验，避免孤立节点误判；进而提高数据异常分析效果。

本发明授权基于作业节点信息的云端协同数据异常分析方法及系统在权利要求书中公布了：1.基于作业节点信息的云端协同数据异常分析方法，其特征在于：该方法包括以下步骤： 步骤S1：作业节点数据采集，从各作业节点实时采集原始数据，预处理后得到待测节点标准化特征向量； 步骤S2：节点状态簇初始化，基于历史正常节点数据通过邻域聚集度划分捕捉非规则分布，初始化正常状态簇，将待测节点暂归为异常待查簇； 步骤S3：节点关联度计算，引入链路关联因子，计算待测节点对正常簇的综合关联度； 步骤S4：节点量化评估，基于采样弱化机制，综合关联度计算正常簇内聚度和正常簇-异常待查簇的簇间区分度； 步骤S5：本地初判，计算待测节点异常指数，通过多级异常阈值实现分级异常预警； 步骤S6：云端协同异常校验，对本地初判为轻度异常的节点进行云端协同异常校验； 在步骤S3中，所述节点关联度计算是计算待测节点与正常簇动态中心的动态关联度，表示为：；其中，是待测节点i对正常簇j的动态关联度；Xi是第i个待测节点标准化后的特征向量；和分别是正常簇j和正常簇l的中心；m是关联系数；k是总正常簇数，l是正常簇索引；计算待测节点与正常簇内最近节点的动态关联度，表示为：；其中，是邻域关联度；和分别是属于正常簇j和正常簇l且与待测节点i最近的节点样本；是第l个正常簇；是第j个正常簇；引入链路关联因子构建综合关联度，通过关联待测节点的正常性间接辅助判断目标节点状态，表示为：；；、和是综合权重；是节点X在上一时刻的综合关联度；是待测节点i的关联节点集，取数据传输链路中的前3个节点和后3个下游节点； 在步骤S4中，所述节点量化评估是计算正常簇内聚度，并引入采样弱化机制，核心是对簇内节点的关联度按采样轮次间隔动态加权，表示为：；是当前采样轮次；是的采样轮次；T是采样轮次阈值；计算正常簇-异常待查簇的簇间区分度，量化异常候选节点对正常簇的边界模糊性，表示为：；是Xi属于第l个正常簇的综合关联度；Cal是异常待查簇。

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国网思极飞天(兰州)云数科技有限公司，其通讯地址为：730300 甘肃省兰州市兰州新区清水河街1110号-H栋；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。