[发明专利]全局异常值的隐私保护和去中心化检测

权利要求书

1.一种网络设备，包括：

存储器；以及

一个或多个处理器，被配置为执行被存储在所述存储器中的机器可读指令以用于执行方法，所述方法包括：

将计算环境中的第一传感器数据作为输入提供给第一机器学习ML模型，其中所述第一ML模型的输出确定所述第一传感器数据的集群的第一多个质心；

将所述第一传感器数据的集群的所述第一多个质心与由第二ML模型生成的第二多个质心比较；以及

当在比较所述第一多个质心与所述第二多个质心时标识出异常时，发起与所述异常相关联的动作。

2.根据权利要求1所述的网络设备，其中所述方法还包括：

生成包括所述第一传感器数据的集群的所述第一多个质心的电子消息；以及

将所述电子消息传输到所述计算环境中的第二网络设备，其中所述第二网络设备将第二传感器数据提供给所述第二ML模型以生成所述第二多个质心。

3.根据权利要求1所述的网络设备，其中所述第一ML模型和所述第二ML模型都是无监督ML模型。

4.根据权利要求3所述的网络设备，其中所述第一ML模型和所述第二ML模型实现K均值算法。

5.根据权利要求1所述的网络设备，其中所述第一ML模型和所述第二ML模型分别在未在所述网络设备和所述第二网络设备之外被共享的隐私数据上被训练。

6.根据权利要求1所述的网络设备，其中所述第一传感器数据从在所述计算环境中的服务器基础设施上被执行的应用被接收。

7.根据权利要求1所述的网络设备，其中所述网络设备和所述第二网络设备形成区块链。

8.根据权利要求1所述的网络设备，其中所述网络设备和所述第二网络设备实现对所述计算环境中的异常的群体学习。

9.根据权利要求1所述的网络设备，其中所述网络设备和所述第二网络设备是所述计算环境中的交换机。

10.一种网络设备，包括：

存储器；以及

一个或多个处理器，被配置为执行被存储在所述存储器中的机器可读指令以用于执行方法，所述方法包括：

接收第一传感器数据的集群的第一多个质心，其中集群的所述第一多个质心由在计算环境中运行第一机器学习ML模型的第二网络设备确定；

将所述第一传感器数据的集群的所述第一多个质心与由第二ML模型生成的第二多个质心比较；以及

当在比较所述第一多个质心与所述第二多个质心时标识出异常时，发起与所述异常相关联的动作。

11.根据权利要求10所述的网络设备，所述方法还包括：

接收所述计算环境中的第二传感器数据；以及

将所述第二传感器数据作为输入提供给所述第二ML模型，其中所述第二ML模型的输出确定所述第二传感器数据的集群的所述第二多个质心。

12.根据权利要求10所述的网络设备，所述方法还包括：

生成包括所述第一传感器数据的集群的所述第一多个质心的电子消息；以及

将所述电子消息传输到所述计算环境中的第二网络设备，其中所述第二网络设备将第二传感器数据提供给所述第二ML模型以生成所述第二多个质心。

13.根据权利要求10所述的网络设备，其中所述第一ML模型和所述第二ML模型都是无监督ML模型。

14.根据权利要求13所述的网络设备，其中所述第一ML模型和所述第二ML模型实现K均值算法。

15.根据权利要求10所述的网络设备，其中所述第一ML模型和所述第二ML模型分别在未在所述网络设备和所述第二网络设备之外被共享的隐私数据上被训练。