買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉天津大學申請的專利基于雙曲空間的網絡異常點檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115664970B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211404826.5，技術領域涉及：H04L41/12；該發明授權基于雙曲空間的網絡異常點檢測方法是由王文俊;馬志濤;邵明來;孫越恒;武南南設計研發完成，并于2022-11-10向國家知識產權局提交的專利申請。

本基于雙曲空間的網絡異常點檢測方法在說明書摘要公布了：本發明提供了一種基于雙曲空間的網絡異常點檢測方法，通過一個雙曲圖神經網絡來學習屬性網絡的節點表示；訓練生成對抗網絡用于檢測輸入網絡嵌入中的異常節點，主要包括：構建屬性網絡；估計輸入所述屬性網絡的雙曲幾何曲率參數；通過雙曲圖神經網絡將輸入的屬性網絡映射成雙曲空間中的低維向量表示作為該雙曲圖神經網絡的輸出；使用反向傳播方法使整個神經網絡得到訓練，最終使用判別器模塊實現異常點識別功能。本發明使用雙曲圖神經網絡將圖神經網絡的節點特征聚合擴展到雙曲空間中，有效地融合了節點特征和層次結構，獲得了圖的高級節點表示，在雙曲空間中利用豐富的層次信息進行異常檢測任務。顯著提高了檢測準確率，縮短了異常檢測時間。

本發明授權基于雙曲空間的網絡異常點檢測方法在權利要求書中公布了：1.一種基于雙曲空間的網絡異常點檢測方法，其特征在于，通過一個雙曲圖神經網絡來學習屬性網絡的節點表示；訓練生成對抗網絡用于檢測輸入網絡嵌入中的異常節點，所述的生成對抗網絡中，生成器G用于生成潛在的異常節點表示，判別器D用于分離潛在的異常數據與正常數據；具體步驟如下： 步驟1，構建屬性網絡 所述屬性網絡為靜態無權無向圖，所述屬性網絡中的節點帶有向量形式的屬性特征，該屬性網絡定義如下： Gs＝Vs,Es,Hs1 式1中，Vs為節點集合，Es為邊的集合，Hs為節點屬性的集合； 步驟2，估計輸入所述屬性網絡的雙曲幾何曲率參數δ 所述的雙曲幾何曲率參數δ的定義是取四個點x,y,u,v∈Vs，若： 式2中，為x,y兩點之間最短路徑的距離，則： 定義三個中間變量，分別記為S1、S2和S3： 對S1，S2，S3進行排序，取其中最大兩個值之差絕對值的12為局部雙曲幾何曲率參數，對整個屬性網絡進行1000～10000次抽樣，取局部雙曲幾何曲率參數中的最大值即為所述的雙曲幾何曲率參數δ； 步驟3，基于步驟2所估計的雙曲幾何曲率參數δ，通過雙曲圖神經網絡HGNN將輸入的屬性網絡映射成雙曲空間中的低維向量表示作為該雙曲圖神經網絡的輸出，包括： 3-1將存在于歐氏空間中的該屬性網絡的節點屬性向量通過指數映射轉換到雙曲空間中； 3-2將步驟3-1得到的雙曲空間屬性向量通過雙曲線性變換提取其中的特征； 3-3對步驟3-2得到的雙曲空間屬性向量的特征與輸入的屬性網絡的拓撲結構進行雙曲鄰域聚合運算； 3-4將步驟3-3聚合運算得到的結果作為屬性網絡的雙曲空間屬性向量，按照步驟3-2和3-3重復進行一次雙曲鄰域聚合運算，最終的聚合運算即為雙曲空間中網絡低維表示； 步驟4、將所述的雙曲圖神經網絡作為自編碼器的編碼器部分對該自編碼器進行訓練，以更新所述的雙曲圖神經網絡的參數； 步驟5、基于步驟2所估計的雙曲幾何曲率參數δ，通過步驟4訓練好的雙曲圖神經網絡HGNN將輸入的屬性網絡映射成雙曲空間中的低維向量表示，作為該訓練后的雙曲圖神經網絡的輸出； 步驟6、利用步驟5得到的雙曲空間中的網絡低維表示訓練一個生成對抗網絡； 步驟7，將步驟5所得到的雙曲空間中的低維向量表示輸入到步驟6訓練好的生成對抗網絡的判別器D中，根據判別器D的輸出來計算所有節點的異常得分，并據此檢測網絡異常節點。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人天津大學，其通訊地址為：300072 天津市南開區衛津路92號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。