[发明专利]基于共享自编码器的时间序列异常检测方法

权利要求书

1.一种基于共享自编码器的时间序列异常检测方法，其特征在于，

包括：利用D1和D2解码器分别共享两个编码器E1和E2，形成两组编码解码再编码的网络结构；

基于自编码器训练方式对两个网络结构进行重构训练；

基于对抗训练方式训练两个网络结构；

在两个网络结构中输入测试数据，计算数据的异常得分，得到异常检测结果。

2.如权利要求1所述的一种基于共享自编码器的时间序列异常检测方法，其特征在于，

所述编码器包括三个线性层，其中每一层都使用ReLU当作激活函数。

3.如权利要求2所述的一种基于共享自编码器的时间序列异常检测方法，其特征在于，

所述解码器包括三个线性层，前两层使用ReLU激活函数，最后一层则使用Sigmoid函数。

4.如权利要求3所述的一种基于共享自编码器的时间序列异常检测方法，其特征在于，

所述利用D1和D2解码器分别共享两个编码器E1和E2的具体方式是:解码器D1与编码器E1和E2组成EDE1结构，解码器D2共享使用编码器E1和E2组成EDE2结构。

5.如权利要求1所述的一种基于共享自编码器的时间序列异常检测方法，其特征在于，

所述基于自编码器训练方式对两个网络结构进行重构训练的具体方式为：

对时间序列数据进行预处理，得到第一时间窗口数据；

将第一时间窗口数据送入编码器E1，经过编码器E1的线性层特征提取得到第一特征向量并储存；

D1和D2解码器将第一特征向量作为输入重构训练集，得到第二时间窗口数据和第三时间窗口数据；

将第二时间窗口数据和第三时间窗口数据输入编码器E2得到第一重构特征向量和第二重构特征向量。

6.如权利要求1所述的一种基于共享自编码器的时间序列异常检测方法，其特征在于，

所述基于对抗训练方式训练两个网络结构的具体步骤是：

将第二特征向量输入解码器D1，获得第四时间窗口数据；

将第四时间窗口数据输入编码器E2，得到第三重构特征向量；

基于两个EDE结构的损失函数完成对抗训练。

7.如权利要求6所述的一种基于共享自编码器的时间序列异常检测方法，其特征在于，

所述两个EDE结构的损失函数包括最小化原始的时间窗口和新时间窗口之间的差异和最小化两个重构特征向量和之间的差异。