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！

龙图腾网获悉武汉理工大学;武汉烽火技术服务有限公司;烽火通信科技股份有限公司;内蒙古大学申请的专利一种基于核心集选择的运维异常检测方法及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：CN121436976B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202512005724.6，技术领域涉及：G06Q10/20；该发明授权一种基于核心集选择的运维异常检测方法及系统是由袁景凌;姚全锋;童宇佳;李旺;黄威;孙锴设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本一种基于核心集选择的运维异常检测方法及系统在说明书摘要公布了：本发明提供了一种基于核心集选择的运维异常检测方法及系统，所述方法包括：采集多个运维时序样本，将每个运维时序样本作为空域表示并分别进行快速傅里叶变换，得到对应的频域表示，将频域表示与空域表示输入教师模型与学生模型，获取频域与空域的异常预测分布；计算频域与空域的异常预测分布之间的JS散度并加权融合作为双域协同蒸馏评分；选取双域协同蒸馏评分高于动态稀疏门控阈值的运维时序样本作为候选集，构建多样性约束，从满足多样性约束的候选样本中选取前S个运维时序样本构成核心集；以核心集作为训练数据、教师模型作为蒸馏源，对学生模型进行训练，将训练完成的学生模型部署至边缘设备，对输入的运维时序数据进行本地异常检测。

本发明授权一种基于核心集选择的运维异常检测方法及系统在权利要求书中公布了：1.一种基于核心集选择的运维异常检测方法，其特征在于：包括以下步骤： 步骤S1：以固定时间间隔采集各设备的运维数据，形成多个运维时序样本，将每个运维时序样本作为原始空域表示并分别进行快速傅里叶变换，得到对应的频域表示，将所述频域表示与所述原始空域表示分别输入全精度双流教师模型与量化双流学生模型，获取频域与空域的异常预测分布； 步骤S2：计算全精度双流教师模型与量化双流学生模型在频域与空域的异常预测分布之间的JS散度并加权融合，作为对应运维时序样本的双域协同蒸馏评分，将所有运维时序样本按照双域协同蒸馏评分降序排列；所述双域协同蒸馏评分的表达式为： ； 式中，为双域协同蒸馏评分；、为自适应权重，，在训练过程中，α、β根据频域与空域的蒸馏损失的相对梯度变化动态更新；、分别为全精度双流教师模型在频域与空域的异常预测分布；、分别为量化双流学生模型在频域与空域的异常预测分布；表示计算JS散度； 步骤S3：引入动态稀疏门控阈值，选取双域协同蒸馏评分高于动态稀疏门控阈值的运维时序样本作为候选集，以运维时序样本在时序形状、频谱能量及异常类别三维空间中的均匀覆盖为目标构建多样性约束，从满足所述多样性约束的候选样本中选取前S个运维时序样本构成核心集；所述动态稀疏门控阈值的表示为： ； 式中，为动态稀疏门控阈值；为初始稀疏门控阈值；为当前训练轮次；为总训练轮次； 构建多样性约束包括以下步骤： 步骤S31：采用基于余弦相似度的随机投影函数族作为局部敏感哈希家族： ； 式中，为第个哈希函数对样本x的哈希值；为从标准高斯分布采样的随机向量；表示计算余弦相似度； 步骤S32：根据哈希码将运维时序样本分配至不同的哈希桶中，每个哈希桶代表一类局部相似的样本集合； 步骤S33：按照双域协同蒸馏评分优先原则从每个非空的哈希桶中选取一个或若干个样本； 步骤S4：以所述核心集作为训练数据、全精度双流教师模型作为蒸馏源，对所述量化双流学生模型进行训练，将训练完成的量化双流学生模型部署至边缘设备，对输入的运维时序数据进行本地异常检测。

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武汉理工大学;武汉烽火技术服务有限公司;烽火通信科技股份有限公司;内蒙古大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。