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！

龙图腾网获悉浙江大学;中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室))申请的专利一种超大规模工业软件供应链的分阶段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：CN119337377B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411429220.6，技术领域涉及：G06F21/56；该发明授权一种超大规模工业软件供应链的分阶段异常检测方法是由邓水光;林郁;王兴亮;智晨;陈平设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种超大规模工业软件供应链的分阶段异常检测方法在说明书摘要公布了：本发明公开了一种基于图神经网络的超大规模工业软件供应链分阶段异常检测方法，其将软件异常检测任务分成两个阶段进行处理，在快速污染阶段中，本发明使用简单的模型快速学习全局的异常模式，并且筛选出可能的异常节点和区域；在精准检测阶段中，本发明使用更加复杂的模型来完成异常节点的检测。此外，本发明根据混沌理论中的李雅普诺夫系数定义了图上节点的“混乱程度”，并且利用图神经网络快速过平滑的“缺陷”对图上异常节点的行为模式进行快速扩散，模拟整个混沌系统的传播过程；通过这种方式，本发明可以快速学习到全局节点的异常模式，并且快速准确地筛选出候选的异常节点和区域。

本发明授权一种超大规模工业软件供应链的分阶段异常检测方法在权利要求书中公布了：1.一种基于图神经网络的超大规模工业软件供应链分阶段异常检测方法，包括如下步骤： 1获取工业软件供应链的所有数据，包括每个供应链软件的ID、版本号、软件之间的依赖关系、软件描述、软件代码； 2根据软件之间的依赖关系建立有向图并对其进行初始化，将有向图中的所有节点按比例划分为训练集和验证集； 3构建基于门控图神经网络的快速污染模型，利用训练集对模型进行训练，用验证集对模型进行验证以保存最优的模型参数； 所述快速污染模型由多层门控图神经网络级联组成，每一层门控图神经网络的推理过程表达式如下： 其中：为第t-1层门控图神经网络输出所有节点的向量表示，为节点i与其他所有节点之间边的出度权重，为节点i与其他所有节点之间边的入度权重，i为任一节点的索引号，n为有向图中的节点数量，H和b分别为可学习的权值矩阵和偏置项，T表示转置，表示第t层门控图神经网络中节点i的状态，和分别为第t层和第t-1层门控图神经网络输出节点i的向量表示，σ为sigmoid函数，和分别为第t层门控图神经网络中节点i的重置门和更新门，Wz和Uz为可学习的更新门权值矩阵，Wr和Ur为可学习的重置门权值矩阵，tanh为双曲正切激活函数，Wo和Uo为可学习的激活函数权值矩阵，⊙表示逐元素相乘，为第t层门控图神经网络中节点i的中间变量； 对快速污染模型进行训练过程中使用混沌理论的思想计算有向图中节点与邻居节点之间的李雅普诺夫系数作为正样本对的损失，计算有向图中节点与非邻居节点之间的李雅普诺夫系数作为负样本对的损失，然后将这两部分损失结合起来作为模型的损失函数L，进而利用Adam优化器通过梯度下降法对模型参数不断迭代更新，直至损失函数L收敛，训练完成； 其中：T为门控图神经网络的层数，为节点i的初始向量表示，为邻居节点j的初始向量表示，为第t层门控图神经网络输出邻居节点j的向量表示，N为训练集的节点数量，J为节点i的邻居节点数量，为非邻居节点k的初始向量表示，为第t层门控图神经网络输出非邻居节点k的向量表示，K为节点i的非邻居节点数量，DE表示欧式距离，为节点i与邻居节点之间的李雅普诺夫系数，为节点i与非邻居节点之间的李雅普诺夫系数，e为自然常数； 4利用训练好的快速污染模型对有向图中的节点进行推理，得到各节点新的向量表示，并根据异常概率对图中的节点进行筛选； 5构建基于GraphTransformer的精准检测模型并对其进行训练； 6利用训练好的精准检测模型对筛选保留下来的节点进行推理，得到各节点新的向量表示并识别出这些节点是否存在异常。

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浙江大学;中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室))，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。