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！

龍圖騰網獲悉廈門工學院申請的專利基于人工智能的用戶異常數據監測方法及系統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：CN120541739B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202511046540.8，技術領域涉及：G06F18/2433；該發明授權基于人工智能的用戶異常數據監測方法及系統是由趙樹升;林燕芬;許文芳;陳錦韜;許茜婷設計研發完成，并于2025-07-29向國家知識產權局提交的專利申請。

本基于人工智能的用戶異常數據監測方法及系統在說明書摘要公布了：本發明公開了基于人工智能的用戶異常數據監測方法及系統，方法包括數據采集、用戶行為評估模型設計、正常行為訓練設計、已標注異常校準設計、平衡加權設計、訓練銜接策略、異常評估、參數調整和用戶異常數據監測。本發明屬于行為監測領域，具體是指基于人工智能的用戶異常數據監測方法及系統，本方案基于異常評分變換，對微小異常敏感；通過引入樣本平衡系數和異常難度自適應加權，控制正常樣本的誤報梯度，提高異常樣本的檢測能力；基于個性化的異常評估方法，降低跨用戶偏差；采用了細粒度擾動搜索和參數位翻轉變異策略，從而提高最終用戶異常數據監測可靠性；通過收斂系數平滑更新步長，避免不必要的資源浪費，進而提高用戶異常數據監測效率。

本發明授權基于人工智能的用戶異常數據監測方法及系統在權利要求書中公布了：1.基于人工智能的用戶異常數據監測方法，其特征在于：該方法包括以下步驟： 步驟S1：數據采集；采集歷史用戶行為數據，構建用戶行為數據集； 步驟S2：用戶行為評估模型設計；設計基于輕量級MLP網絡將每個用戶行為數據映射為行為潛在向量； 步驟S3：正常行為訓練設計；僅利用正常樣本實現正常行為分布建模； 步驟S4：已標注異常校準設計；通過定義正常概率，融合已標注異常樣本進行模型校準； 步驟S5：平衡加權設計；基于類別平衡系數和難度自適應指數，通過動態調權構建平衡加權損失； 步驟S6：訓練銜接策略；設計兩階段訓練策略； 步驟S7：異常評估；通過帶動量的中心更新和行為潛在向量，進行異常分數評估； 步驟S8：參數調整；利用優化灰狼搜索算法對模型超參數進行調整，實現用戶行為評估模型的建立； 步驟S9：用戶異常數據監測；基于建立完成的用戶行為評估模型，對實時用戶行為數據進行異常監測； 在步驟S2中，所述用戶行為評估模型設計是對于用戶行為數據集，構建MLP‐based特征提取器，用輕量級前饋網絡將每個用戶行為數據映射為行為潛在向量zi，網絡結構表示為：；其中，是映射函數，表示多層全連接+BatchNorm+ReLU的組合；是MLP網絡的所有可訓練參數；是用戶行為數據；i是樣本索引； 在步驟S3中，所述正常行為訓練設計是僅用正常用戶數據，學習正常行為分布，將所有zi聚攏到超球心附近；損失公式表示為：；異常評分變換表示為：；其中，是正常行為訓練損失；是正常用戶行為樣本的總數；u是行為潛在向量的維度； 在步驟S5中，所述平衡加權設計是進行類別先驗調權，定義樣本平衡系數，表示為：；；；其中，N是總樣本；是異常用戶行為樣本的總數；是異常先驗概率；和分別是異常和正常樣本的類別平衡系數；是極小常數；引入異常難度自適應加權，表示為：；其中，是第i個樣本第j維的難度指數；和分別是難度指數的最大值和最小值；是sigmoid函數；和分別是位置參數和尺度參數；和分別對應正常樣本和異常樣本的；損失公式表示為：；；；其中，是平衡加權損失；和分別是正常樣本和異常樣本的動態權重；是第i個樣本第j維被判為正常的概率；是第j維度；是已知標簽，若第i個樣本標簽為異常，則，否則為0；j是維度索引。

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廈門工學院，其通訊地址為：361021 福建省廈門市集美區后溪鎮孫坂南路1251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”。