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密度估计的网络节点深度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：CN114970736B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210651604.7，技术领域涉及：G06F18/2415；该发明授权基于密度估计的网络节点深度异常检测方法是由尹美娟;段顺然;刘粉林;焦隆隆;于岚岚设计研发完成，并于2022-06-10向国家知识产权局提交的专利申请。

本基于密度估计的网络节点深度异常检测方法在说明书摘要公布了：本发明属于通信网络检测技术领域，特别涉及一种基于密度估计的网络节点深度异常检测方法，获取属性网络中节点属性矩阵和结构矩阵，并将属性矩阵和结构矩阵作为图卷积神经网络输入，利用图卷积神经网络获取属性网络中节点结构信息和属性信息的联合嵌入向量；利用联合嵌入向量分别对图卷积神经网络输入的节点属性矩阵和结构矩阵进行重构，并获取节点重构误差；针对联合嵌入向量和节点重构误差，利用概率分布模型来检测属性网络中的节点异常。本发明基于重构误差检测异常节点的思想，分别针对属性网络的结构信息和属性信息进行重构，并基于节点的重构误差和自身的嵌入向量，利用密度估计来实现异常节点检测，具有较好的鲁棒性，便于实际场景应用。

本发明授权基于密度估计的网络节点深度异常检测方法在权利要求书中公布了：1.一种基于密度估计的网络节点深度异常检测方法，其特征在于，包含如下内容： 获取属性网络中节点属性矩阵和结构矩阵，并将属性矩阵和结构矩阵作为图卷积神经网络输入，利用图卷积神经网络获取属性网络中节点结构信息和属性信息的联合嵌入向量，其中，图卷积神经网络由k个神经网络层堆叠构成，并通过迭代计算获取包含邻居信息的节点嵌入向量，迭代计算为： h0为属性矩阵X特征维度，h1为隐藏层特征维度；Hi为经过第i层计算后的节点特征矩阵，且i∈{1,2,3}，Z为最终获取的节点嵌入向量，h3为节点嵌入向量维度，且H3中的特征向量包含节点三阶邻居信息； 利用联合嵌入向量分别对图卷积神经网络输入的节点属性矩阵和结构矩阵进行重构，选择激活函数tanh·或sigmoid·作为结构矩阵的预测函数，并借助三个神经网络层堆叠的图卷积神经网络来进行属性矩阵的预测；依据结构矩阵和属性矩阵及两者的预测结果来获取关于结构信息和属性信息的节点重构误差； 针对联合嵌入向量和节点重构误差，利用概率分布模型来检测属性网络中的节点异常。

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”。