摘要
本发明提出一种基于差异感知的属性网络异常检测方法,属于图数据属性网络异常检测领域。传统异常检测方法对图数据的复杂交互欠缺挖掘的问题以及传统方法仅从单一视图角度采用重构误差衡量异常的问题,而提出的一种基于多视图差异感知的属性网络异常检测方法。本发明解决了传统的属性网络异常检测方法大多仅采用基于重构误差衡量异常所导致的参数敏感问题,同时创新性的将将属性网络异常检测问题重新定义为不同视图间图表示相关性的问题,方法中更加注重捕获属性网络中复杂的交互关系。将所提的网络模型应用于图属性网络异常检测实际任务中,能达到提升准确率的目的,实验结果验证了所提方法的有效性。
技术关键词
网络异常检测方法
异常检测器
特征提取器
重构误差
检测模型训练
标准化方法
分类准确率
训练集数据
标签
节点特征
测试模块
视角
参数
系统为您推荐了相关专利信息
上下文特征
模型构建方法
Softmax函数
多分支结构
多层次特征
检测模型训练方法
网络摄像头
图片
无人巡检
检测机器人
多层次特征融合
卷积特征提取
训练集优化
多路径
检测模型训练
稀疏自动编码器
兴趣特征向量
掩码矩阵
注意力
特征向量库