买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南师范大学申请的专利物联网数据流实时处理与异常检测系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121547377B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610055563.3，技术领域涉及：H04L43/08；该发明授权物联网数据流实时处理与异常检测系统是由陈雅琪;万求真;王婉柔设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本物联网数据流实时处理与异常检测系统在说明书摘要公布了：本发明提供物联网数据流实时处理与异常检测系统，属于物联网数据处理技术领域，系统包括分布式数据接入层、流式处理引擎、异常检测平台、关联分析模块和预警响应中心，核心创新在于分层式流数据处理架构支持每秒百万级数据点的实时处理，基于在线学习的自适应异常检测算法在数据分布动态变化环境中保持高准确率，上下文感知的多维异常关联分析框架实现从单点异常到系统级异常的快速推断，系统异常检测准确率达95%，平均检测延迟低于100ms，已在智慧城市、电力物联网等场景成功部署。

本发明授权物联网数据流实时处理与异常检测系统在权利要求书中公布了：1.物联网数据流实时处理与异常检测系统，其特征在于，包括： 分布式数据接入层，用于从多个物联网设备采集时序数据流，所述分布式数据接入层包括数据采集模块和协议适配模块，所述数据采集模块用于获取物联网设备生成的原始数据，所述协议适配模块用于将不同通信协议的数据转换为统一数据格式； 流式处理引擎，与所述分布式数据接入层连接，用于对时序数据流进行实时处理，所述流式处理引擎包括自适应缓冲调度单元和并行计算单元，所述自适应缓冲调度单元包括流量监测子单元、负载评估子单元和缓冲调整子单元，所述流量监测子单元用于实时统计数据流入速率，所述负载评估子单元用于获取各计算节点的资源使用情况，所述缓冲调整子单元用于根据所述数据流入速率和所述资源使用情况动态调整缓冲区大小，所述并行计算单元用于将数据流分配至多个计算节点进行并行处理； 异常检测平台，与所述流式处理引擎连接，用于识别时序数据中的异常模式，所述异常检测平台包括特征提取单元、在线学习单元和异常判定单元，所述特征提取单元用于从时序数据中提取多维特征向量，所述特征提取单元包括时域特征提取子单元、频域特征提取子单元和时空特征提取子单元，所述时域特征提取子单元用于计算时序数据的统计特性，所述频域特征提取子单元用于通过变换获取频谱特征，所述时空特征提取子单元用于融合时间维度和空间维度信息；所述在线学习单元基于自编码器神经网络架构，包括编码器和解码器两部分，所述编码器将高维特征向量映射到低维潜在空间，所述解码器从潜在表示重构原始特征向量，所述在线学习单元采用增量学习方式更新模型参数，包括样本采集子单元、梯度计算子单元和参数更新子单元，所述样本采集子单元用于从数据流中抽取训练样本，所述梯度计算子单元用于基于所述训练样本计算模型参数的梯度值，所述梯度计算子单元采用自适应损失函数，所述自适应损失函数为： 其中，为总损失函数值，为训练样本数量，为第个样本的原始特征向量，为第个样本的重构特征向量，为第个样本的权重系数，表示欧氏距离的平方，为正则化系数，为模型参数总数，为第个模型参数，表示绝对值； 所述权重系数采用时间衰减函数计算： 其中，为第个样本的权重系数，为自然对数的底，为时间衰减率，为第个样本距离当前时刻的时间间隔； 所述参数更新子单元用于根据所述梯度值调整模型权重；所述异常判定单元根据重构误差确定数据点的异常状态，重构误差计算公式为： 其中，为第个数据点的重构误差，为原始特征向量，为重构特征向量，表示欧氏距离的平方；当重构误差超过动态阈值时，该数据点被判定为异常，所述动态阈值采用自适应计算方式： 其中，为异常判定阈值，为最近时间窗口内正常数据重构误差的均值，为最近时间窗口内正常数据重构误差的标准差，为敏感度系数； 所述异常判定单元采用多层次判定策略，包括点异常检测子单元、模式异常检测子单元和集合异常检测子单元，所述点异常检测子单元用于识别单个数据点的偏离，所述模式异常检测子单元用于识别时序序列的异常模式，所述集合异常检测子单元用于识别多个变量的异常组合； 关联分析模块，与所述异常检测平台连接，用于分析异常数据之间的关联关系，所述关联分析模块包括上下文构建单元和关联推理单元，所述上下文构建单元包括状态查询子单元、环境感知子单元和历史关联子单元，所述状态查询子单元用于获取异常数据对应设备的运行状态，所述环境感知子单元用于获取异常发生时的环境参数，所述历史关联子单元用于查询相似异常的历史记录；所述关联推理单元采用图结构表示设备间的拓扑关系，通过广度优先搜索算法遍历设备关联图确定异常影响范围，所述关联推理单元计算异常影响概率： 其中，为在时刻设备的异常影响设备的概率，为设备和设备之间的关联强度，为自然对数的底，为当前时刻，为设备出现异常的时刻，为异常从设备传播到设备的平均延迟时间，为延迟时间的标准差，为考虑异常类型的修正系数； 所述关联强度通过历史数据统计计算： 其中，为设备和设备之间的关联强度，为历史上设备出现异常后设备也出现异常的次数，为设备出现异常的总次数； 预警响应中心，分别与所述异常检测平台和所述关联分析模块连接，用于生成预警信息并触发响应策略，所述预警响应中心包括风险评估单元和策略执行单元，所述风险评估单元根据异常类型、影响设备数量和持续时间计算风险评分： 其中，为风险评分，为异常类型级别，为异常严重程度归一化值，为影响设备数量归一化值，为异常持续时间归一化值，、、、为各维度的权重系数；所述策略执行单元用于根据风险等级执行相应的处置措施。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南师范大学，其通讯地址为：410200 湖南省长沙市岳麓区麓山路36号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。