-
公开(公告)号:CN117407733B
公开(公告)日:2024-04-02
申请号:CN202311695002.2
申请日:2023-12-12
Applicant: 南昌科晨电力试验研究有限公司 , 国网江西省电力有限公司电力科学研究院
IPC: G06F18/23 , G06F18/20 , G06N3/094 , G06N3/0464 , H04L9/40
Abstract: 本发明公开了一种基于对抗生成shapelet的流量异常检测方法及系统,方法包括:判断至少一个流量数据时间序列的时间长度是否大于第一预设阈值;若大于第一预设阈值,则采用两个一维卷积层和一个平均池化层生成shapelet序列;基于判别器对shapelet序列与流量数据时间序列进行辨识,并添加对抗损失训练shapelet序列和流量数据时间序列,使生成的shapelet序列与流量数据时间序列的形状相差不大于第二预设阈值;计算训练后的shapelet序列和流量数据时间序列之间的DTW值,并根据DTW值将流量数据时间序列转化为基于shapelet序列的特征向量,与KNN分类器结合,输出流量异常检测结果。能够提高了流量异常检测的效率。
-
公开(公告)号:CN117407733A
公开(公告)日:2024-01-16
申请号:CN202311695002.2
申请日:2023-12-12
Applicant: 南昌科晨电力试验研究有限公司 , 国网江西省电力有限公司电力科学研究院
IPC: G06F18/23 , G06F18/20 , G06N3/094 , G06N3/0464 , H04L9/40
Abstract: 本发明公开了一种基于对抗生成shapelet的流量异常检测方法及系统,方法包括:判断至少一个流量数据时间序列的时间长度是否大于第一预设阈值;若大于第一预设阈值,则采用两个一维卷积层和一个平均池化层生成shapelet序列;基于判别器对shapelet序列与流量数据时间序列进行辨识,并添加对抗损失训练shapelet序列和流量数据时间序列,使生成的shapelet序列与流量数据时间序列的形状相差不大于第二预设阈值;计算训练后的shapelet序列和流量数据时间序列之间的DTW值,并根据DTW值将流量数据时间序列转化为基于shapelet序列的特征向量,与KNN分类器结合,输出流量异常检测结果。能够提高了流量异常检测的效率。
-