[發明專利]動態圖異常檢測方法在審
| 申請號： | 202310057301.7 | 申請日： | 2023-01-17 |
| 公開（公告）號： | CN116150694A | 公開（公告）日： | 2023-05-23 |
| 發明（設計）人： | 劉強;程沐陽;魏佳星;季一木 | 申請（專利權）人： | 南京郵電大學 |
| 主分類號： | G06F18/2433 | 分類號： | G06F18/2433;G06F16/906 |
| 代理公司： | 南京蘇科專利代理有限責任公司 32102 | 代理人： | 姚姣陽 |
| 地址： | 210023 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 動態 異常 檢測 方法 | ||
本發明提供了一種動態圖異常檢測方法，主要包括以下步驟：非易失性存儲器存儲階段，初始化非易失性存儲器并配置為主要內存存儲器；動態隨機存儲器存儲階段，對非易失性存儲器中的時序快照集合進行粗粒度檢測，找出可能的異常時刻并將其快照存入動態隨機存儲器；特征表示階段，對所有可能的異常時刻T獲得游走序列，從游走序列中學習各頂點的嵌入表示；異常判斷階段，對嵌入向量進行異常檢測，輸出異常節點。相較于現有技術，本發明能夠減少檢測時間，提高對時序圖檢測的準確性，避免了傳統圖異常檢測算法計算時間長且對動態圖適用性差的缺陷，在網絡攻擊檢測和流量控制等領域有較好的應用價值。
技術領域
本發明涉及一種動態圖異常檢測方法，屬于計算機技術領域。
背景技術
圖作為一種表示復雜信息的數據結構，被廣泛應用于交通網絡、生物化學、超大規模集成電路和社交網絡等領域。針對這些規模龐大的圖數據，如何快速、準確的檢測出其中的異常是一個極具挑戰的問題。傳統的圖異常檢測技術主要針對靜態圖，沒有考慮圖的時效性。
有鑒于此，確有必要提出一種動態圖異常檢測方法，以解決上述問題。
發明內容
本發明的目的在于提供一種動態圖異常檢測方法，能夠提高檢測效率。
為實現上述目的，本發明提供了一種動態圖異常檢測方法，主要包括以下步驟：
步驟1、非易失性存儲器存儲階段，將隨時間變化的動態圖記為G，初始化非易失性存儲器并配置為主要內存存儲器，其中存儲動態圖的時序快照集合為G＝{G1，G2，......，GT}；
步驟2、動態隨機存儲器存儲階段，對非易失性存儲器中的時序快照集合進行粗粒度檢測，找出可能的異常時刻并將其快照存入動態隨機存儲器；
步驟3、特征表示階段，對所有可能的異常時刻T獲得游走序列，從游走序列中學習各頂點的嵌入表示FT；
步驟4、異常判斷階段，對FT，對嵌入向量進行異常檢測，輸出異常節點。
作為本發明的進一步改進，在步驟1中，所述非易失性存儲器中T時刻的網絡快照為GT，定義GT＝(V，ET，T)，V為點集，ET為邊集，其中的邊e＝(u，v，t)，t為邊對應的時間。
作為本發明的進一步改進，在步驟2中，所述非易失性存儲器中的時序快照集合通過基于隨機草圖繪制的方法進行粗粒度檢測。
作為本發明的進一步改進，所述隨機草圖繪制的方法包括隨機采樣頂點并統計其中的邊數以形成特征草圖。
作為本發明的進一步改進，在步驟2中，所述動態圖的特征提取通過隨機抽樣生成K維的特征向量。
作為本發明的進一步改進，在步驟2具體還包括以下步驟：
A1、對動態圖G進行K次采樣，每個頂點被采樣的概率設為p，第i次采樣得到的子圖中的邊數為Si，K次采樣過后，得到動態圖G對應的特征草圖為(S1，S2，......，SK)；
A2、對每個網絡快照GT的特征草圖作為針對流數據的輸入，檢測異常時刻T是否可能為異常時刻，對檢測到的可能異常時刻T，將其對應的網絡快照GT送入所述動態隨機存儲器中。
作為本發明的進一步改進，在步驟3中，通過帶時序的隨機游走方式，設置權重以關注與異常時刻T更接近的時間點。
作為本發明的進一步改進，在步驟3具體還包括以下步驟：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京郵電大學，未經南京郵電大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310057301.7/2.html，轉載請聲明來源鉆瓜專利網。
