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！

龙图腾网获悉北京理工大学(珠海);中山兴中能源发展股份有限公司申请的专利异常检测模型的可解释性分析方法、装置、设备及介质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：CN121744169B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610242906.7，技术领域涉及：G06F18/2433；该发明授权异常检测模型的可解释性分析方法、装置、设备及介质是由卢佐;潘雷;束健;徐世豪;王小杨设计研发完成，并于2026-03-02向国家知识产权局提交的专利申请。

本异常检测模型的可解释性分析方法、装置、设备及介质在说明书摘要公布了：本发明涉及模型可解释性技术领域，尤其涉及一种异常检测模型的可解释性分析方法、装置、设备及介质，所述方法利用获取的模型训练样本集对构建的初始异常检测模型进行训练，得到目标异常检测模型，将获取的待检测数据输入目标异常检测模型进行异常检测，以获得异常检测结果，完成异常检测之后提取模型参数，得到时序概念特征集和序列关联矩阵及梯度集，对时序概念特征集和模型训练样本集进行时序分解处理，得到异常驱动特征，对序列关联矩阵及梯度集进行路径解析处理，得到全局注意力贡献矩阵，基于异常驱动特征和全局注意力贡献矩阵进行可解释性分析，基于得到的异常解释数据和异常检测结果生成异常解释报告，提升了异常决策逻辑的透明度。

本发明授权异常检测模型的可解释性分析方法、装置、设备及介质在权利要求书中公布了：1.一种异常检测模型的可解释性分析方法，其特征在于，包括： 获取模型训练样本集，构建初始异常检测模型，利用所述模型训练样本集对所述初始异常检测模型进行多轮迭代训练，以获得目标异常检测模型； 获取待检测数据，将所述待检测数据输入所述目标异常检测模型进行异常检测，得到异常检测结果； 在所述目标异常检测模型完成异常检测之后，获取预构建的深度学习框架，所述深度学习框架包括参数冻结功能接口和参数获取功能接口；调用所述参数冻结功能接口对所述目标异常检测模型进行权重与偏置冻结处理，得到稳定异常检测模型；调用所述参数获取功能接口对所述稳定异常检测模型进行模型参数提取处理，得到输入时序数据集，所述输入时序数据集包括时序概念特征集和序列关联矩阵及梯度集，其中，所述时序概念特征集蕴含着时序数据的高层语义属性； 对所述时序概念特征集和所述模型训练样本集进行时序分解处理，得到异常驱动特征； 采用数据筛选算法对所述序列关联矩阵及梯度集进行先验关联矩阵剔除处理，得到目标关联矩阵及梯度集；获取预构建的GAF框架，采用所述GAF框架对所述目标关联矩阵及梯度集进行张量构建处理，得到信息张量；基于所述信息张量对所述GAF框架内置的对数障碍函数进行正则化处理，得到目标函数；采用模型结构解析工具对所述稳定异常检测模型进行模型层结构解析与时间步提取处理，得到模型时间步；获取预设的图结构建模规则，基于所述图结构建模规则进行节点预定义，得到超级源节点和超级目标节点；基于所述图结构建模规则，将所述模型时间步作为图中间节点，将所述超级源节点作为全局信息流起点，将所述超级目标节点作为全局信息流终点，并采用所述信息张量对所述图中间节点进行赋值处理，得到邻接矩阵；基于所述图中间节点、所述全局信息流起点和所述全局信息流终点进行单位矩阵维度匹配与构建处理，以构建单位矩阵；采用加权矩阵融合算法对所述邻接矩阵和所述单位矩阵进行加权融合处理，得到局部容量矩阵；采用内点算法，基于所述目标函数对所述局部容量矩阵进行目标流问题转化和最大流优化处理，得到全局注意力贡献矩阵； 基于所述异常驱动特征和所述全局注意力贡献矩阵进行可解释性分析，得到异常解释数据； 基于所述异常解释数据和所述异常检测结果生成异常解释报告。

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北京理工大学(珠海);中山兴中能源发展股份有限公司，其通讯地址为：519088 广东省珠海市唐家湾金凤路6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。