公开(公告)号：CN117932517A

公开(公告)日：2024-04-26

申请号：CN202410118648.2

申请日：2024-01-29

Applicant: 北京邮电大学

Inventor： 乔媛媛 ,  尹佳鑫 ,  周子棠 ,  林文辉 ,  杨洁

IPC: G06F18/2433 ,  G06F18/22 ,  G06F18/214 ,  G06N3/082 ,  G06F40/18

Abstract: 本发明公开了一种基于深度学习的表格数据异常检测方法及系统，涉及数据检测领域。本发明包括以下步骤：获取待检测数据，并输入掩码生成器中，输出多个掩码矩阵；将每个掩码矩阵与原始数据执行元素乘积，生成多个掩码；将多个掩码输入重构网络，将掩码输入映射到潜在空间的特征表示，并将特征从潜在空间重新映射到原始空间，进而输出与输入相匹配的重构数据；分别计算掩码与重构数据的重构误差，使用平均重构误差作为异常分数，将异常分数高于正常样本的待检测数据判为异常数据。本发明具备较强的泛化能力，能够成功扩展至其他形式的大数据异常检测任务。

公开(公告)号：CN118152853A

公开(公告)日：2024-06-07

申请号：CN202410242238.9

申请日：2024-03-04

Applicant: 北京邮电大学

Inventor： 乔媛媛 ,  尹佳鑫 ,  周子棠 ,  林文辉 ,  杨洁

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供了一种基于记忆网络的半监督异常检测方法和装置，包括：构建包括自编码器和记忆模块的掩码记忆网络MMNet；将检测数据输入自编码器进行编码，获得编码后检测数据的数据特征；基于所述数据特征，在所述记忆模块中的每个记忆项中进行寻址，获得所述数据特征对应的注意力权重；根据所述注意力权重对每个记忆项加权计算，获得注意力加权特征维度；将所述注意力加权特征维度输入所述掩码记忆网络MMNet的解码器，获得重构后的检测数据；通过基于软屏蔽策略的异常评分约束，计算所述检测数据的异常分数，根据所述异常分数，判别所述检测数据的异常。提高了异常数据的检测效率。