返回搜索
档案
基于多尺度时序特征融合的隐蔽数据中心智能识别方法
发明专利有效
10权利要求 · 1 独立
§ Ⅰ
卷宗概要
发明人
郭利杰; 李颖毅; 陆鑫; 陈婧; 姜现凯; 黄屏发; 林超; 陈文焰; 施炜炜; 游苏鹏
IPC 分类
G06F 18/21 (2023.01)G06F 18/10 (2023.01)G06F 18/213 (2023.01)G06F 18/241 (2023.01)G06F 18/25 (2023.01)G06N 3/042 (2023.01)G06N 3/0442 (2023.01)G06N 3/045 (2023.01)G06N 3/0464 (2023.01)G06N 3/048 (2023.01)G06N 3/082 (2023.01)G06N 3/084 (2023.01)G06N 3/0985 (2023.01)
本发明涉及一种基于多尺度时序特征融合的隐蔽数据中心智能识别方法，包括以下步骤：S1:获取待检测区域时序数据并预处理；S2:基于预处理后的时序张量，在实体与观测点层面建立初始图结构，并通过数据驱动的自适应图学习机制对边权进行校准与稀疏化，学习节点对之间的多重时滞路径集合，得到优化后的动态邻接与时滞权重；S3:结合ST‑GNN模型构建隐蔽数据中心智能识别模型；S4:训练隐蔽数据中心智能识别模型，得到训练后的隐蔽数据中心智能识别模型；S5:根据实时数据流，获取实时检测概率和置信区间；S6:通过代价敏感曲线选择初始告警阈值，并进行自适应微调，并根据实时检测概率获取最终告警清单。本发明有效提高隐蔽数据中心智能识别效率。