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！

龙图腾网获悉中国人民解放军战略支援部队信息工程大学申请的专利基于迭代过滤的属性网络异常节点检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：CN118573418B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202410607125.4，技术领域涉及：H04L9/40；该发明授权基于迭代过滤的属性网络异常节点检测方法及系统是由尹美娟;焦隆隆;罗向阳;杨昊;段顺然设计研发完成，并于2024-05-16向国家知识产权局提交的专利申请。

本基于迭代过滤的属性网络异常节点检测方法及系统在说明书摘要公布了：本发明涉及互联网检测技术领域，特别涉及一种基于迭代过滤的属性网络异常节点检测方法及系统，将属性网络邻接矩阵和属性矩阵作为异常节点检测模型的训练数据输入，利用迭代过滤的模型训练过程判定待检测属性网络中的异常节点并输出，且在每次迭代过滤的模型训练中，检测并过滤训练数据中的异常节点并更新训练数据，直至下次迭代过滤的训练数据不再产生新的异常节点。本发明通过迭代过滤的模型训练过程来确保网络的同质性假设，避免异常特征和正常节点相互干扰，造成边缘节点误判，提升模型的检测效果；在压缩节点提取特征时，不仅聚合邻居信息还同时融合节点自身信息，使得提取的特征既包含邻居特征也最大程度保留自身特征，避免节点自身的特征被稀释，提升检测的准确率，添加节点和全局的相似度计算来改善重构误差对节点异常误判的干扰，增强模型对网络异常节点识别能力，具有较好的应用前景。

本发明授权基于迭代过滤的属性网络异常节点检测方法及系统在权利要求书中公布了：1.一种基于迭代过滤的属性网络异常节点检测方法，其特征在于，包含： 获取待检测属性网络的图网络数据，所述图网络数据包括属性网络节点、属性网络邻接矩阵和属性网络属性矩阵； 将属性网络邻接矩阵和属性矩阵作为异常节点检测模型的训练数据输入，利用迭代过滤的模型训练过程判定待检测属性网络中的异常节点并输出，且在每次迭代过滤的模型训练中，检测并过滤训练数据中的异常节点并更新训练数据，直至下次迭代过滤的训练数据不再产生新的异常节点； 其中，所述异常节点检测模型包括依据属性网络的图网络数据并基于共享权重参数学习网络嵌入和属性嵌入的权重共享编码器、将学习到的网络嵌入和属性嵌入在特征空间中进行特征组合并获取节点嵌入信息和网络全局信息的特征融合器、从组合后的网络特征中重构属性网络的网络结构和节点属性的双通道解码器和依据网络结构重构误差、节点属性重构误差、节点嵌入信息和网络全局信息之间的相似度对网络节点异常进行判定的异常节点判别器和将判定的网络异常节点和异常节点对应特征进行过滤的节点过滤器； 特征融合器将学习到的网络嵌入和属性嵌入在特征空间中进行特征组合并获取节点嵌入信息和网络全局信息的过程，包含：通过逐元素乘法操作建立网络嵌入和属性嵌入之间的对齐，得到两者一致性信息；采用逐元素加法操作将网络嵌入和属性嵌入进行合并，得到两者互补信息；合并两者一致性信息和互补信息，得到最终的节点嵌入表示，以根据节点嵌入表示来获取网络全局信息及节点嵌入信息和全局信息之间的相似度； 双通道解码器从组合后的网络特征中重构属性网络的网络结构和节点属性的过程，包含：利用属性解码器进行特征转换来重构节点属性，所述属性解码器采用全连接神经网络结构；利用结构解码器将组合后的网络特征通过内积计算来重构网络拓扑结构； 异常节点判别器依据网络结构重构误差、节点属性重构误差及节点嵌入信息和网络全局信息之间的相似度对网络节点异常进行判定的过程，包含：获取网络结构重构误差和节点属性重构误差，并基于节点嵌入信息和网络全局信息计算两者之间的相似度；利用各重构误差及相似度并结合平衡参数来计算网络节点异常得分，根据异常得分对网络节点进行排序，并根据排序结果和预设异常门限筛选出网络中的异常节点。

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中国人民解放军战略支援部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62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。