【技术实现步骤摘要】
本专利技术涉及一种网络数据异常检测，尤其是分布式网络的数据异常检测方法及系统。
技术介绍
1、物联网技术、云计算技术和大数据分析技术的不断进步，提供了可靠的连接和通信、强大的计算和存储能力，以及高效处理海量数据的能力，从而促进了分布式物联网的蓬勃发展，实现了实时监测、智能决策和优化管理的场景。然而，这些物理设备可能会出现多种故障甚至遭受攻击，因此准确识别和解决这些问题是提升系统效率和性能的关键。
2、传统的故障检测方法主要基于物理模型和规则，但这些方法通常需要准确的系统参数和复杂的数学模型，限制了其适用性和可扩展性。但与此同时，异常模式的特征的提取可能受到数据质量的限制，如果数据质量较差或不准确，可能会导致异常检测的准确性下降。同时，数据表示学习是异常检测技术的核心阶段。不同的故障模式可能需要不同的特征表示方法，因此如何选择适当的特征并进行有效的表示学习是一个关键问题。
3、此外，在处理复杂的异常模式时，传统技术基于简化的假设或规则来建模分布式系统中的关系，无法准确地捕捉到复杂的节点之间的相互作用和依赖关系，可能...
【技术保护点】
1.一种分布式网络的数据异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的分布式网络的数据异常检测方法，其特征在于，所述在所述标准化数据集中，将数据分为若干类别，在每个类别中进行特征提取，并通过加权平均得到所有类别中数据的融合特征包括：
3.根据权利要求1所述的分布式网络的数据异常检测方法，其特征在于，所述在所述标准化数据集中，将数据分为若干类别，在每个类别中进行特征提取，并通过加权平均得到所有类别中数据的融合特征包括：
4.根据权利要求1所述的分布式网络的数据异常检测方法，其特征在于，所述计算所述标准化数据集中数据...
【技术特征摘要】
1.一种分布式网络的数据异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的分布式网络的数据异常检测方法，其特征在于，所述在所述标准化数据集中，将数据分为若干类别，在每个类别中进行特征提取，并通过加权平均得到所有类别中数据的融合特征包括：
3.根据权利要求1所述的分布式网络的数据异常检测方法，其特征在于，所述在所述标准化数据集中，将数据分为若干类别，在每个类别中进行特征提取，并通过加权平均得到所有类别中数据的融合特征包括：
4.根据权利要求1所述的分布式网络的数据异常检测方法，其特征在于，所述计算所述标准化数据集中数据的若干个统计量，若干个统计量加权求和后作为评估所述融合特征的指标，根据指标值选择若干个融合特征作为该分布式节点的特征包括：
5.根据权利要求1所述的分布式网络的数据异常检测方法，其特征在于，所述各分布式节点通过聚类得到正常数据点和异常数据点包括：
6.根据权利要求5所述的分布式网络的数据异常检测方法，其特征在于，所述各分布式节点通过聚类得到正常数据点和异常数据点包括：
7.一种分布式网络的数据异常检测系统，其特征在于，包括：
8.根据权利要求7所述的分布式网络的数据异常检测系统，其特征在于，所述在所述标准化数据集中，将数据分为若干类别，在每个类...
【专利技术属性】
技术研发人员：魏兴慎，刘苇，祁龙云，刘寅，李科，曹永明，李慧水，田秋涵，张付存，刘全，黄天明，刘剑，董勤伟，程长春，冒佳明，曹永健，周剑，郭楠楠，
申请(专利权)人：南京南瑞信息通信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。