[發(fā)明專(zhuān)利]基于時(shí)序表征學(xué)習(xí)的安全隱患分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110446459.4
• 申請(qǐng)日: 2021-04-25
• 公開(kāi)（公告）號(hào): CN113111959A
• 公開(kāi)（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 高贊;王君;李毅仁;甘甜;胡宇鵬;申培;聶禮強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山東省人工智能研究院;山東大學(xué);河鋼數(shù)字技術(shù)股份有限公司;河鋼集團(tuán)有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南泉城專(zhuān)利商標(biāo)事務(wù)所 37218
• 代理人: 支文彬

1.一種基于時(shí)序表征學(xué)習(xí)的安全隱患分類(lèi)方法，其特征在于，包括如下步驟：

a)對(duì)第i條時(shí)間序列T_i＝{vt₁,...,vt_k-1,vt_k,vt_k+1,vt_n}，i∈{1,...,N}，N為數(shù)據(jù)集中時(shí)間序列總數(shù)，vt_k為第k個(gè)時(shí)序點(diǎn)，k∈{1，...,n}，vt_k＝(v_k,t_k)，v_k為第k個(gè)時(shí)序點(diǎn)vt_k的當(dāng)前數(shù)值，t_k為第k個(gè)時(shí)序點(diǎn)vt_k的當(dāng)前時(shí)刻；

b)尋找時(shí)間序列T_i中的所有趨勢(shì)點(diǎn)，組成趨勢(shì)點(diǎn)集合P_i＝{p₁,...p_j-1,p_j,p_j+1...,p_m}，p_j為第j個(gè)趨勢(shì)點(diǎn)，m為趨勢(shì)點(diǎn)總數(shù)，趨勢(shì)點(diǎn)p_j包括數(shù)值和時(shí)刻

c)計(jì)算時(shí)序點(diǎn)p_j的權(quán)重D_p,L，對(duì)集合P_i中的全部趨勢(shì)點(diǎn)按照其權(quán)重大小進(jìn)行降序排序，按權(quán)重閾值ε選取集合P_i中權(quán)重值滿足要求的趨勢(shì)點(diǎn)；

d)將步驟c)中選取的趨勢(shì)點(diǎn)按照50％的片段重復(fù)率對(duì)T_i進(jìn)行子序列劃分，生成子序列集合為集合S_i中第j條子序列；

e)建立基于上下文表征融合與增強(qiáng)的雙向表征式中分別為集合S_i輸入長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)后的第j個(gè)時(shí)間步的前向增強(qiáng)隱變量、前向輸出向量、前向記憶向量、前向上下文輸出向量及前向上下文記憶向量，分別為集合S_i輸入長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)后的第j個(gè)時(shí)間步的后向增強(qiáng)隱變量、后向輸出向量、后向記憶向量、后向上下文輸出向量及后向上下文記憶向量，⊙為向量乘法操作，tanh為模型的激活函數(shù)，建立基于集合S_i的增強(qiáng)表征集

f)將增強(qiáng)表征集合輸入多層感知機(jī)網(wǎng)絡(luò)，得到表征序列H_i；

g)通過(guò)公式對(duì)進(jìn)行歸一化操作，得到T_i屬于不同數(shù)據(jù)類(lèi)別的概率P(L|T_i)，完成基于時(shí)序表征的分類(lèi)模型建立，L為數(shù)據(jù)類(lèi)別個(gè)數(shù)，softmax(·)為softmax函數(shù)，通過(guò)公式計(jì)算得到損失函數(shù)F(θ)，式中K_i為T(mén)_i的one-hot類(lèi)別向量，利用損失函數(shù)F(θ)訓(xùn)練基于時(shí)序表征的分類(lèi)模型，利用adam optimizer函數(shù)求解出基于時(shí)序表征分類(lèi)模型的全部參數(shù)；

h)給定一條時(shí)間序列T_x，對(duì)時(shí)間序列T_x進(jìn)行順序掃描，獲得全部的時(shí)序點(diǎn)集合P_x，計(jì)算時(shí)序點(diǎn)集合P_x中所有時(shí)序點(diǎn)的權(quán)重，對(duì)集合P_x中的全部時(shí)序點(diǎn)按照其權(quán)重大小進(jìn)行降序排序，按權(quán)重閾值ε選取集合P_x中權(quán)重值滿足要求的趨勢(shì)點(diǎn)；

i)將步驟h)中選取的趨勢(shì)點(diǎn)按照50％的片段重復(fù)率對(duì)T_x進(jìn)行子序列劃分，生成子序列集合為集合S_x中第j條子序列；

j)將子序列集合S_x經(jīng)過(guò)步驟e)的處理得到增強(qiáng)表征集

k)將輸入多層感知機(jī)網(wǎng)絡(luò)，獲得表征序列H_x；

l)通過(guò)公式對(duì)進(jìn)行歸一化操作，得到T_x屬于不同數(shù)據(jù)類(lèi)別的概率P(L|T_x)，將T_x劃分到概率得分最高的數(shù)據(jù)類(lèi)別中，完成數(shù)據(jù)分類(lèi)。