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！

龙图腾网获悉北京航空航天大学申请的专利一种面向物联网多维时间序列数据的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：CN119669961B 。

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：202411680814.4，技术领域涉及：G06F18/2433；该发明授权一种面向物联网多维时间序列数据的异常检测方法是由唐文忠;钱程;王衍洋设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种面向物联网多维时间序列数据的异常检测方法在说明书摘要公布了：本发明涉及一种面向物联网多维时间序列数据的异常检测方法，属于物联网异常检测技术领域，本发明对物联网多维时间序列数据的时间特征和度量特征进行深度提取融合，并联合数据重建模型构成生成对抗网络，通过不断迭代地进行生成对抗，提升模型的数据重建能力，使得模型对于正常数据的重建误差较小，而对异常数据的重建误差相对较大，进而通过异常得分来准确地分辨异常。本发明适用于物联网环境下多传感器或控制器的数据监控检测，可以接受真实物联网环境下的多维时间序列数据，并通过模型检测给出数据中可能存在异常的部分进行及时预警，避免数据异常带来的潜在问题或损失。

本发明授权一种面向物联网多维时间序列数据的异常检测方法在权利要求书中公布了：1.一种面向物联网多维时间序列数据的异常检测方法，其特征在于，包括： 步骤S1、获取物联网环境下多传感器的多维时间序列观测数据并进行滑动窗口划分，得到多个具有上下文信息的时间序列； 基于多个具有上下文信息的时间序列获得多变量时间窗口序列； 步骤S2、基于时间维度编码器和度量维度编码器建立双重编码器架构； 将所述多变量时间窗口序列输入双重编码器架构，基于多头注意力机制和交叉注意力机制，得到各个时刻观测数据的特征深度融合后的编码矩阵，包括： 基于时间维度编码器和度量维度编码器建立双重编码器架构； 将所述多变量时间窗口序列输入双重编码器架构，基于多头注意力机制，得到时间维度多头注意力矩阵和度量维度多头注意力矩阵； 将时间维度多头注意力矩阵和度量维度多头注意力矩阵分别经过两个残差连接层和归一化层，得到时间维度特征编码矩阵和度量维度特征编码矩阵； 将所述时间维度特征编码矩阵和度量维度特征编码矩阵通过交叉注意力机制进行深度融合，得到时间维度交叉注意力矩阵和度量维度交叉注意力矩阵； 将所述时间维度交叉注意力矩阵和度量维度交叉注意力矩阵进行矩阵拼接后再经过两个残差连接和层归一化层进行残差计算，得到特征深度融合后的编码矩阵； 步骤S3、利用自动编码器、变分自动编码器以及GAN鉴别器构建数据重建模型，将各时刻观测数据的特征深度融合后的编码矩阵作为训练样本，使用所述训练样本对所述数据重建模型进行生成对抗训练，得到更新数据重建模型，包括：步骤S31、获取历史时刻t观测数据的特征深度融合后的编码矩阵；当t=1时，表示历史初始时刻； 步骤S32、将所述历史时刻t观测数据的特征深度融合后的编码矩阵输入历史时刻t数据重建模型Dt，基于历史时刻t自动编码器AE对历史时刻t观测数据的特征深度融合后的编码矩阵进行线性层变换，得到历史时刻t隐层空间一； 步骤S33、通过历史时刻t解码器对历史时刻t隐层空间一进行重建，得到历史时刻t重建数据一； 步骤S34、基于历史时刻t变分自动编码器VAE对历史时刻t观测数据的特征深度融合后的编码矩阵进行线性层变换，得到历史时刻t隐层空间二； 步骤S35、通过历史时刻t解码器对历史时刻t隐层空间二进行重建，得到历史时刻t重建数据二； 步骤S36、将历史时刻t观测数据、历史时刻t重建数据一和历史时刻t重建数据二输入GAN鉴别器，将历史时刻t重建数据一和历史时刻t重建数据二分别与真实数据进行比对，与真实数据的相似度，得到历史时刻t鉴别结果； 步骤S37、基于历史时刻t鉴别结果进行损失函数计算，得到损失梯度； 基于所述损失梯度进行对数据重建模型进行更新，得到更新数据重建模型；将所述更新数据重建模型作为下一历史时刻数据重建模型； 步骤S38、判断t是否大于等于T，T为历史时刻总数，若是，则停止训练，得到更新数据重建模型；若否，则令t=t+1，返回步骤S31； 步骤S4、选取物联网的待测数据；基于更新数据重建模型获得待测数据的异常得分；基于所述异常得分实现待测数据的异常检测。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。