公开(公告)号：CN115512133A

公开(公告)日：2022-12-23

申请号：CN202211251195.8

申请日：2022-10-13

申请人： 深圳市检验检疫科学研究院 ,  深圳大学 ,  深圳前海量子云码科技有限公司

发明人： 包先雨 ,  蔡伊娜 ,  高祖康 ,  李俊杰 ,  程烨 ,  蒋涛 ,  黄智强 ,  黄哲学 ,  郑文丽 ,  程立勋 ,  方凯彬

IPC分类号： G06V10/44 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

摘要： 本发明涉及进出口行为动态图检测技术领域，公开了一种进出口行为动态图数据异常检测方法，包括以下步骤：S1、进出口行为动态图的定义；S2、进出口行为动态图的特征提取；S3、进出口行为动态图的异常检测：在异常检测模块中利用S2中的节点表示检测进出口行为动态图中的异常边缘；本发明在动态图的时序特征提取上，没有采用基于滑动窗口循环神经网络结构，而是采用了基于长短期时序注意力的图嵌入方法来进行时序特征提取，通过分块计算注意的结构，能够高效提取快照内节点短期时序注意力，并且每个时序块通过长期记忆状态向量来对节点的长期时序特征进行提取和传递，保证了模型提取节点时序特征的完整性，从而提高了异常检测的性能。

公开(公告)号：CN116467663A

公开(公告)日：2023-07-21

申请号：CN202310384920.7

申请日：2023-04-12

申请人： 深圳市检验检疫科学研究院 ,  深圳大学

发明人： 包先雨 ,  方凯彬 ,  黄孙杰 ,  高祖康 ,  李俊杰 ,  蔡伊娜 ,  程立勋 ,  郑文丽 ,  郭云 ,  吴绍精

IPC分类号： G06F18/2433 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

摘要： 本发明提供一种有向动态图数据异常检测方法及系统，涉及异常检测领域。该有向动态图数据异常检测系统，包括基于图角色的有向图卷积网络的动态图异常边检测DDG算法，所述DDG算法可分为基于图角色的有向图卷积网络(RDGCN)、具有传递结构的多头注意力网络和异常检测模块三个模块。通过DDG算法采用了基于有向图角色的图卷积网络RDGCN去提取动态图中的结构特征，以更好地适用于有向动态图数据，并采用具有传递结构的多头注意力网络去提取动态图的时序特征，最后采用有向负采样方法去训练模型，提高了模型在有向图和无向图数据中的异常检测的性能，填补了这方面的研究缺陷。

公开(公告)号：CN116109609A

公开(公告)日：2023-05-12

申请号：CN202310153733.8

申请日：2023-02-23

申请人： 深圳市检验检疫科学研究院 ,  深圳大学

发明人： 包先雨 ,  高祖康 ,  李俊杰 ,  程立勋 ,  郑文丽

IPC分类号： G06T7/00 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及图像异常检测技术领域，公开了基于高效动态时间特征嵌入方法的动态图中异常检测方法，包括以下步骤：S1、通过DyTEF提取动态图的结构特征，并将节点映射成高维空间向量；S2、提取块内图的时序特征，并把之前块内图的时序信息迁移到当前块中；S3、得到每条边的异常分数，以找出异常边数据。本发明通过在动态图的时序特征提取上，采用了带有记忆向量多头注意力机制来分块地提取特征，而块内每张图的特征提取都是并行地，这大大提高了算法的并行度，提高了算法效；此外，通过记忆力向量的学习与传递，还能提高算法的保存时序特征的能力，让模型提取时序特征更加的完整，从而提高了异常检测的性能，实现全面地异常检测。