[发明专利]物联网数据异常检测模型训练方法、异常检测方法和系统

权利要求书

1.一种物联网数据异常检测模型训练方法，其特征在于，包括以下步骤：

St1、获取连续时间段上采集的多个传感器检测数据样本作为历史数据X，X包含正常数据L和异常数据S，即X=L∪S；

构建并初始化基础模型，基础模型为神经网络模型，其包括编码网络、生成网络、第一鉴别网络和第二鉴别网络；编码网络用于对接收到的数据进行编码并输出编码数据；生成网络用于对接收到的数据进行重构并输出重构数据；第一鉴别网络和第二鉴别网络均用于对各自接收到的数据进行标注，并输出对应的标注值；

St2、从正常数据L中取值并赋予样本数据x，正常数据L的初始值等于历史数据X；

St3、通过第一鉴别网络对数据元组(x,E(x)和(G(z),z)进行标注，(x,E(x)对应的标注值记作D_xz(x,E(x))，(G(z),z)对应的标注值记作D_xz(G(z),z)；E(x)表示编码网络在输入为x时的输出；G(z)表示生成网络在输入为z时的输出，z表示从符合正态分布的数据空间Z中的取值；

通过第二鉴别网络对数据元组(x,x)和(x,G(E(x)))进行标注，(x,x)对应的标注值记作D_xx(x,x)，(x,G(E(x)))对应的标注值记作D_xx(x,G(E(x)))；G(E(x))表示生成网络在输入为E(x)时的输出；

St4、将D_xz(x,E(x))、D_xz(G(z),z)、D_xx(x,x)和D_xx(x,G(E(x)))代入设定的第一目标函数计算第一目标函数值，并根据第一目标函数值更新基础模型中编码网络、生成网络、第一鉴别网络和第二鉴别网络的参数；

St5、判断基础模型更新次数是否达到第一设定值n1；否，则返回步骤St2，并重新累计基础模型更新次数；是，则执行以下步骤St6；

St6、判断正常数据L更新次数是否达到第二设定值n2；否，则执行以下步骤St7；是，则固定基础模型参数，并从基础模型参数中提取编码网络、生成网络和第一鉴别网络，并将提取的三个网络与设定的评价函数结合，以组成异常检测模型；评价函数用于结合D_xz(x,E(x))和D_xz(G(E(x),E(x)))计算用于评估数据x正常与否的评价值A(x)；G(E(x))表示生成网络在输入为E(x)时的输出；

St7、结合最新更新的基础模型和设定的异常数据计算模型对异常数据S进行更新，结合更新后的异常数据S对正常数据L进行更新，L=X-S；然后返回步骤St2。