買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉齊魯工業(yè)大學(xué)(山東省科學(xué)院);山東省計算中心(國家超級計算濟南中心)申請的專利基于擴散模型的時間序列異常檢測方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120470548B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510975985.8，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)基于擴散模型的時間序列異常檢測方法及系統(tǒng)是由徐麗娟;李巖松;趙大偉;于福強;周洋;李鑫;宋維釗;仝豐華;陳川設(shè)計研發(fā)完成，并于2025-07-16向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于擴散模型的時間序列異常檢測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了基于擴散模型的時間序列異常檢測方法及系統(tǒng)，屬于時間序列異常檢測技術(shù)領(lǐng)域，方法包括：獲取多維時間序列數(shù)據(jù)；對多維時間序列數(shù)據(jù)進行多尺度卷積和分塊操作，獲得多個大小固定的特征塊；在時間序列中逐步為特征塊添加噪聲，建模時間序列的分布，獲得加噪融合特征圖；構(gòu)建基于滑動窗口局部注意力的，將加噪融合特征圖作為輸入，經(jīng)過多時間步不斷迭代去噪，生成無噪聲的特征圖，并通過卷積層映射為重構(gòu)時間序列；基于重構(gòu)時間序列計算異常得分并將其與設(shè)定閾值進行比較，得到異常檢測結(jié)果。本發(fā)明能夠有效對時序依賴關(guān)系進行建模，在不失精度的同時有效降低計算復(fù)雜度，提高輕量化程度。

本發(fā)明授權(quán)基于擴散模型的時間序列異常檢測方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于擴散模型的時間序列異常檢測方法，其特征在于，包括： 獲取多維時間序列數(shù)據(jù)； 對多維時間序列數(shù)據(jù)進行多尺度卷積和分塊操作，獲得多個大小固定的特征塊，每個特征塊表示時間序列的局部特征； 在時間序列中逐步為特征塊添加噪聲，建模時間序列的分布，獲得加噪融合特征圖； 構(gòu)建基于滑動窗口局部注意力的，將加噪融合特征圖作為輸入，經(jīng)過多時間步不斷迭代去噪，生成無噪聲的特征圖，并通過卷積層映射為重構(gòu)時間序列； 基于重構(gòu)時間序列計算異常得分并將其與設(shè)定閾值進行比較，得到異常檢測結(jié)果； 基于滑動窗口局部注意力的包括依次連接的線性歸一化層、擴展與變換層和基于滑動窗口的局部注意力層； 無噪聲的特征圖的生成過程，具體包括： 基于線性歸一化層，對加噪融合特征圖中每個token內(nèi)部的所有通道維度進行歸一化，生成標(biāo)準(zhǔn)加噪融合特征圖； 對時間步嵌入表示進行尺度和偏移操作后，與標(biāo)準(zhǔn)加噪融合特征圖一起輸入至擴展與變換層進行線性變換，生成增強加噪融合特征圖； 基于滑動窗口的局部注意力層，在局部注意力約束中引入稀疏掩碼并更新特征圖； 通過噪聲預(yù)測網(wǎng)絡(luò)預(yù)測出當(dāng)前時間步的噪聲項，基于預(yù)測結(jié)果更新上一個時間步的特征圖； 通過多時間步的逐步迭代去噪，最終生成無噪聲的特征塊集合并將其重新拼接為無噪聲的特征圖，通過卷積層映射為重構(gòu)時間序列。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人齊魯工業(yè)大學(xué)(山東省科學(xué)院);山東省計算中心(國家超級計算濟南中心)，其通訊地址為：250000 山東省濟南市長清區(qū)大學(xué)路3501號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。