公开(公告)号：CN107391083A

公开(公告)日：2017-11-24

申请号：CN201710457348.7

申请日：2017-06-16

Applicant: 桂林电子科技大学 ,  桂林宇辉信息科技有限责任公司

Inventor： 首照宇 ,  刘阿康 ,  邹风波 ,  程夏威 ,  张彤 ,  赵晖 ,  田浩 ,  莫建文

IPC: G06F7/48 ,  G06F21/62

Abstract: 本发明公开了一种空间异常信息的复数变换隐藏及复原方法，其特征是，包括如下步骤：1）计算空间数据对象的局部密度和距离相异度；2）求解空间数据对象的异常程度系数；3）根据Top-N选取异常数据对象；4）构造复数数据及复数因子并进行复数变换隐藏；5）发送复数变换集及复数因子数据集；6）选取异常信息二维值；7）逆变换。这种方法是异常信息隐私保护的一种创新方法，这种方法能简化异常信息处理过程、降低数据处理量，并且确保数据发送方发送的数据信息和参数量最少，保证局部异常数据在信息共享和传输过程中的安全性和信息的完整性，以及被隐藏的局部异常数据能够准确复原。

公开(公告)号：CN108667684B

公开(公告)日：2021-04-30

申请号：CN201810293188.1

申请日：2018-03-30

Applicant: 桂林电子科技大学 ,  桂林宇辉信息科技有限责任公司

Inventor： 首照宇 ,  邹风波 ,  田浩 ,  文辉 ,  张彤 ,  赵晖 ,  莫建文 ,  程夏威 ,  汪延国 ,  曾情 ,  卢先英

IPC: H04L12/26 ,  H04L29/06

Abstract: 本发明公开了一种基于局部向量点积密度的数据流异常检测方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口W中数据集Sm并初始化参数n，ε，λ；3)获取向量点积均值MVP；4)确定当前滑动窗口W中数据集Sm的最佳邻域半径r及r邻域；5)获取各数据点的局部向量点积密度LDVP；6)确定当前滑动窗口中的候选异常点；7)多重验证得到确定异常点。这种方法在高维空间和异常分布不均匀的数据集上，能准确有效的检测出当前实时、快速和多变的复杂数据流环境下隐藏的异常点，这种方法在无需聚类的情况下，能高效完成数据集的异常检测，且人为预设参数少，在不同异常占比和不同维数的情况下具有更高的鲁棒性和更强的自适应性。

公开(公告)号：CN107682319B

公开(公告)日：2020-07-03

申请号：CN201710823063.0

申请日：2017-09-13

Applicant: 桂林电子科技大学 ,  桂林宇辉信息科技有限责任公司

Inventor： 首照宇 ,  田浩 ,  邹风波 ,  张彤 ,  程夏威 ,  文辉 ,  赵晖 ,  莫建文 ,  汪延国 ,  曾情 ,  李希成

IPC: H04L29/06 ,  G06F16/2458 ,  G06F16/906

Abstract: 公开了一种基于增强型角度异常因子的数据流异常检测及多重验证的方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口中数据集S；3)初始化参数k、r、ξ；4)获取距离矩阵dist；5)得到r邻域点集合；6)得到r邻域点集合的角度因子和局部密度7)获取相异度；8)获取各数据点的簇心因子；9)获取归属矩阵；10)确定簇心并聚类；11)对聚类后的各簇分别进行异常检测；12)多重验证。这种方法运用了滑动窗口和基本窗口技术，构造了高效的数据流处理模型，降低了内存的占用率、实时性好、异常检测准确率高、时间复杂度低。

公开(公告)号：CN108667684A

公开(公告)日：2018-10-16

申请号：CN201810293188.1

申请日：2018-03-30

Applicant: 桂林电子科技大学 ,  桂林宇辉信息科技有限责任公司

Inventor： 首照宇 ,  邹风波 ,  田浩 ,  文辉 ,  张彤 ,  赵晖 ,  莫建文 ,  程夏威 ,  汪延国 ,  曾情 ,  卢先英

IPC: H04L12/26 ,  H04L29/06

Abstract: 本发明公开了一种基于局部向量点积密度的数据流异常检测方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口W中数据集Sm并初始化参数n，ε，λ；3)获取向量点积均值MVP；4)确定当前滑动窗口W中数据集Sm的最佳邻域半径r及r邻域；5)获取各数据点的局部向量点积密度LDVP；6)确定当前滑动窗口中的候选异常点；7)多重验证得到确定异常点。这种方法在高维空间和异常分布不均匀的数据集上，能准确有效的检测出当前实时、快速和多变的复杂数据流环境下隐藏的异常点，这种方法在无需聚类的情况下，能高效完成数据集的异常检测，且人为预设参数少，在不同异常占比和不同维数的情况下具有更高的鲁棒性和更强的自适应性。

公开(公告)号：CN107682319A

公开(公告)日：2018-02-09

申请号：CN201710823063.0

申请日：2017-09-13

Applicant: 桂林电子科技大学 ,  桂林宇辉信息科技有限责任公司

Inventor： 首照宇 ,  田浩 ,  邹风波 ,  张彤 ,  程夏威 ,  文辉 ,  赵晖 ,  莫建文 ,  汪延国 ,  曾情 ,  李希成

IPC: H04L29/06 ,  G06F17/30

Abstract: 公开了一种基于增强型角度异常因子的数据流异常检测及多重验证的方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口中数据集S；3)初始化参数k、r、ξ；4)获取距离矩阵dist；5)得到r邻域点集合；6)得到r邻域点集合的角度因子 和局部密度 7)获取相异度；8)获取各数据点的簇心因子；9)获取归属矩阵；10)确定簇心并聚类；11)对聚类后的各簇分别进行异常检测；12)多重验证。这种方法运用了滑动窗口和基本窗口技术，构造了高效的数据流处理模型，降低了内存的占用率、实时性好、异常检测准确率高、时间复杂度低。