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！

龙图腾网获悉杭州云深科技有限公司;浙江警察学院申请的专利一种基于图神经网络的异常对象动态行为模式识别方法、介质及设备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：CN121210982B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511747353.2，技术领域涉及：G06F18/213；该发明授权一种基于图神经网络的异常对象动态行为模式识别方法、介质及设备是由钟杨青;蒋文荣;周琦;崔晨;王姣平;姚君设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本一种基于图神经网络的异常对象动态行为模式识别方法、介质及设备在说明书摘要公布了：本发明涉及异常对象识别技术领域，尤其涉及一种基于图神经网络的异常对象动态行为模式识别方法、介质及设备，通过多层迭代的、基于边权重的消息传递机制，使得每个节点的特征表示能够不断融合其多阶邻居的加权信息，从而将局部的、直接的关联扩展为全局的、潜在的网络模式表征，捕捉到直接间接关联对象的行为协同性；通过在图神经网络生成的第N层中间特征向量进行相似度计算与聚类分析，能够将网络中行为模式相似、结构角色相近的节点自动归集为聚类簇，从而不仅能够判定个体异常，更能实现对没有强直接连接但行为高度协同的整个隐性的协同异常团伙的精准锁定与模式归类，极大地提升了识别结果的准确性和全面性。

本发明授权一种基于图神经网络的异常对象动态行为模式识别方法、介质及设备在权利要求书中公布了：1.一种基于图神经网络的异常对象动态行为模式识别方法，其特征在于，所述方法包括如下步骤： S1，根据每个目标监测对象对应的多源行为数据，获取到目标监测对象之间的交互关系和表征行为相似性的交互程度，以及表征每个目标监测对象的行为模式的初始特征向量，其中，交互关系为直接相连或不相连； S2，分别以目标监测对象作为节点，以交互关系构建边，以交互程度作为边权重，以初始特征向量作为节点属性，构建得到初始行为关系图； S3，根据预设图神经网络中的第k层网络层和所述初始行为关系图中的边权重，对每个节点对应的第k-1层中间特征向量进行更新，获取到每个节点对应的第k层中间特征向量，其中，k=1，……，N，N为网络层的总层数，k=1时，第k-1层中间特征向量为初始特征向量，S3包括如下步骤： S31，根据所述初始行为关系图中的节点和边，确定网络层的总层数N； S32，当k=1时，将每个节点的初始特征向量作为第0层中间特征向量，根据所述初始行为关系图中每个边的边权重，确定每个节点直接连接的一阶邻居节点； S33，根据边权重对每个节点的一阶邻居节点对应的第0层中间特征向量进行加权聚合，根据所述预设图神经网络中的第1层网络层对聚合结果和每个节点自身的第0层中间特征向量对应的拼接向量进行处理，获取到每个节点对应的第1层中间特征向量； S34，当k=2至k=N时，根据所述初始行为关系图中每个边的边权重，确定每个节点的k阶邻居节点，其中，k阶邻居节点为通过k条边间接连接的节点； S35，根据边权重对每个节点的k阶邻居节点对应的第k-1层中间特征向量进行加权聚合，根据所述预设图神经网络中的第k层网络层对聚合结果和每个节点自身的第k-1层中间特征向量对应的拼接向量进行处理，获取到每个节点对应的第k层中间特征向量； S4，根据每个节点对应的第N层中间特征向量，对所有的节点进行图聚类分析，获取到若干个协同节点聚类簇，其中，每个协同节点聚类簇中包括若干个不相连的节点； S5，根据每个协同节点聚类簇中每个节点对应的第N层中间特征向量，获取到每个目标监测对象对应的识别类型，其中，所述识别类型为行为模式异常对象或者行为模式非异常对象。

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杭州云深科技有限公司;浙江警察学院，其通讯地址为：310000 浙江省杭州市西湖区三墩镇荆大路100号每日金座1号楼508室；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。