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！

龙图腾网恭喜山东交通学院申请的专利一种基于可信赖长短期记忆网络的边缘云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：CN113138904B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202110500177.8，技术领域涉及：G06F11/30；该发明授权一种基于可信赖长短期记忆网络的边缘云异常检测方法是由孙强;刘洪武;杨海设计研发完成，并于2021-05-08向国家知识产权局提交的专利申请。

本一种基于可信赖长短期记忆网络的边缘云异常检测方法在说明书摘要公布了：本发明的一种基于可信赖长短期记忆网络的边缘云异常检测方法，首先在长短期记忆网络框架上，将新的层Bt添加到状态，提供关于单元状态比较的附加信息，以监督学习的方式进行各个用户数据训练；接着，通过LSTM具有的三个门，根据信息需求来保留、添加和删除单元；将旧的单元状态Ct‑1更新为新的单元状态Ct，再确定将输出什么值。本发明的一种基于可信赖长短期记忆网络的边缘云异常检测方法，由于在长短期记忆网络方法之上添加一个新层，提供了有关新加入用户的附加信息,从而在用户行为数据较少的情况下，提升了边缘云服务异常接入检测的能力，可主动检测高精度攻击，不受限于用户的配置文件状态，并且降低了因新用户数据不足而导致的误差程度，提高了边缘云服务异常接入检测的准确性。

本发明授权一种基于可信赖长短期记忆网络的边缘云异常检测方法在权利要求书中公布了：1.一种基于可信赖长短期记忆网络的边缘云异常检测方法，其特征在于，通过三个分步骤来实现，详细阐述如下；步骤一通过以下分步骤来实现：a将新的层Bt添加到状态，该层提供关于单元状态对比的附加信息，这些附加信息用于预测异常；Bt的值表示为：Bt＝σWB·[ht-1,xt]+bB1在公式1中，σ是神经网络层，输出0和1之间的数字，描述每个组件有多少信息通过，0表示不通过任何信息，1表示全部通过，WB是添加层的权重，ht-1是第t层的前一个输出，即第t-1层的输出，xt是第t层的输入，bB是添加层的偏置；b以监督学习的方式进行各个用户数据训练，其中模型是通过先验数据进行训练的，在先验数据中模型根据边缘网络中用户的行为进行动态训练；在本框架中，该模型使用个人用户行为数据和可比较的用户行为数据进行自身训练，以在没有足够新加入用户的数据的情况下识别异常并提高预测准确性；步骤二通过以下分步骤来实现：c确定从单元状态中删除哪些信息；在LSTM中第一个S型门是遗忘门，遗忘门层ft表示为：ft＝σWf·[ht-1,xt]+bf2在公式2中，σ是神经网络层，Wf是遗忘门的权重，ht-1是第t层的前一个输出，xt是第t层的输入，bf是遗忘门的偏置；遗忘门ft在单元状态Ct-1中输出介于0和1之间的值，所述Ct-1为t层的上一个状态，ft的值越接近1，则表明越需要该单元状态；当该值为1时，表明最需要该单元状态，并且应该维护该单元状态；当该值为0时，表明该单元状态被彻底删除；d确定哪些新信息应保留在单元状态中；设置输入门层it和tanh层，输入门层it决定了将更新哪些值，接下来tanh创建添加到单元状态的新候选值的向量，然后将这两个组件组合起来以创建对单元状态的更新；输入门层it表示为：it＝σWi·[ht-1,xt]+bi3新候选值表示为： 在公式3与4中，Wi和Wc分别是输入门和tanh门的权重，ht-1是第t层的前一个输出，xt是第t层的输入，bi和bc分别是输入门和tanh门的偏置；步骤三通过以下分步骤来实现：e更新单元状态；为了将旧的单元状态Ct-1更新为新的单元状态Ct，将旧的状态乘以ft，以此表达期待忘记的部分，再与相加得到新的单元状态；新的单元状态Ct表示为： f确定输出值；输出将基于单元状态，但将是一个过滤版本，首先，运行一个S层，决定应输出单元状态的哪些部分；单元状态的输出部分表示为：ot＝σWo·[ht-1,xt]+bo6然后，单元状态经过tanh门并乘以S型门的输出，此时输出了经过整个系统更新的输出部分，输出部分ht表示为ht＝ot*tanhCi。

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山东交通学院，其通讯地址为：250023 山东省济南市天桥区交校路5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”。