基于深度学习大模型的边端实时监控与异常行为分析方法

本发明公开了一种基于深度学习大模型的边端实时监控与异常行为分析方法，方法包括：实时监控并采集边端设备的多维行为数据集，并生成多维行为数据集的多模态聚合数据；根据多模态聚合数据，生成多维行为数据集中每个数据点的行为描述符；基于行为描述符计算行为相似性指数；根据多维行为数据集，利用基于深度学习的异常评分预测模型，预测每个数据点的预测异常分数；根据异常预测分数和行为相似性指数，评估每个数据点的异常程度，并根据异常程度确定异常行为数据点。利用本发明实施例，能够通过结合深度学习技术和多模态数据分析，为异常行为的识别和响应提供可靠的依据，实现对边端设备的全面监控与智能分析。