基于时空门控图注意力网络的工业物联网异常检测方法技术

本发明专利技术公开了一种基于时空门控图注意力网络的工业物联网异常检测方法。本发明专利技术步骤包括：(1)使用节点嵌入向量来捕捉每个传感器的独特特征；(2)基于节点嵌入向量，学习表示传感器之间依赖关系的图结构；(3)使用门控图注意力网络提取传感器之间的空间维度特征；(4)使用时间卷积网络提取传感器之间的时间维度特征；(5)使用基于预测的模型优化损失函数；(6)根据异常评分是否超过预设阈值判断系统是否异常。本发明专利技术为每一个工业物联网中的网联设备传感器及其参与的网络化制造活动建立向量形式的特征表示，显式地捕捉传感器之间的关系图；使用门控图注意力网络和时间卷积网络来学习传感器之间的时空依赖关系，提升异常检测的效果。

【技术实现步骤摘要】

本专利技术属于物联网领域，具体涉及一种基于时空门控图注意力网络的工业物联网异常检测方法。

技术介绍

1、许多传统行业，如能源、健康、制造和水处理等，正在经历数字化转型的过程，工业物联网(iiot)扮演着重要角色。iiot通过网络连接传感器、仪器和其他物联网设备，实现了工业环境中的数据收集、分析和自动化控制，从而提高了生产效率和经济效益。随着信息技术和自动化技术的快速发展，如飞行器、高速列车、核电站、智能电网、流程工业设备等现代工程系统的集成度和复杂度越来越高，工业物联网中网联设备和传感器开始快速增长，系统的安全运营和维护保障问题日益突出，因此确保这些设备的安全运行变得尤为重要。

2、在iiot中，异常检测是重中之重。一方面，工业物联网引入后，传感器和物联网设备暴露在公共网络中，缺乏足够的安全保护，容易成为恶意攻击的目标。另一方面，异常检测还有助于实时或提前发现潜在问题，避免可能导致巨大经济损失的情况。例如，英国航空公司因it系统故障而损失了5800万英镑，并面临巨额赔偿要求，而自来水公司每天损失近30亿升水，如果没有及时检测泄漏，将造成相当大的本文档来自技高网...

【技术保护点】

1.基于时空门控图注意力网络的工业物联网异常检测方法，其特征在于，该方法具体实现包括如下步骤：

2.根据权利要求1所述的基于时空门控图注意力网络的工业物联网异常检测方法，其特征在于，步骤(1)具体实现如下：为了捕获传感器之间潜在的相关性，将所有传感器建模为一张图，将每个传感器定义为图中的一个传感器节点，并为每个传感器随机初始化一个节点嵌入向量来表示该传感器节点固有属性：

3.根据权利要求1或2所述的基于时空门控图注意力网络的工业物联网异常检测方法，其特征在于，所述步骤(2)具体实现如下：通过图结构学习为传感器节点之间建立有向边；边表示传感器节点之间的依赖关系，从一...

【技术特征摘要】

1.基于时空门控图注意力网络的工业物联网异常检测方法，其特征在于，该方法具体实现包括如下步骤：

2.根据权利要求1所述的基于时空门控图注意力网络的工业物联网异常检测方法，其特征在于，步骤(1)具体实现如下：为了捕获传感器之间潜在的相关性，将所有传感器建模为一张图，将每个传感器定义为图中的一个传感器节点，并为每个传感器随机初始化一个节点嵌入向量来表示该传感器节点固有属性：

3.根据权利要求1或2所述的基于时空门控图注意力网络的工业物联网异常检测方法，其特征在于，所述步骤(2)具体实现如下：通过图结构学习为传感器节点之间建立有向边；边表示传感器节点之间的依赖关系，从一个传感器节点到另一个传感器节点有边表明，第一个传感器节点的状态依赖于第二个传感器节点；使用邻接矩阵a来表示该有向图，其中aij表示从传感器节点i到传感器节点j的有向边；

4.根据权利要...

【专利技术属性】
技术研发人员：刘鹏，樊宇欣，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：