买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市永达电子信息股份有限公司申请的专利多尺度用户行为异常检测方法、系统及电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121543084B 。

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610071825.5，技术领域涉及：G06F21/55；该发明授权多尺度用户行为异常检测方法、系统及电子设备是由戚建淮;王胤丞;胡金华;李雨鑫;王明帅;徐国前;成飏;郑伟范;张莉;宋晶设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本多尺度用户行为异常检测方法、系统及电子设备在说明书摘要公布了：本发明公开的基于无监督学习的多尺度用户行为异常检测方法、系统及电子设备，包括：S1：获取用户行为数据，构建多尺度用户行为特征，包括用户长期行为统计特征和用户短期操作序列特征；S2：针对不同尺度的用户行为特征，分别基于无监督学习模型进行分层异常检测，获得异常评估结果；S3：对所述不同尺度对应的异常评估结果进行综合处理，生成综合异常评分，对不同尺度的用户行为特征进行量化，生成异常贡献度；S4：根据所述综合异常评分，确定用户行为是否为异常行为，输出所述异常贡献度。本发明涉及的技术方案，能够不依赖标注数据、全面刻画用户行为特征、有效识别不同时间尺度的用户行为异常、具备高可解释性和强适应性。

本发明授权多尺度用户行为异常检测方法、系统及电子设备在权利要求书中公布了：1.一种基于无监督学习的多尺度用户行为异常检测方法，其特征在于，该方法包括步骤： S1：获取用户行为数据，并基于所述用户行为数据构建多尺度用户行为特征，所述多尺度用户行为特征至少包括用户长期行为统计特征和用户短期操作序列特征； S2：针对不同尺度的用户行为特征，分别基于无监督学习模型进行分层异常检测，获得与不同尺度对应的异常评估结果，所述分层异常检测至少包括基于变分自编码器的长期异常检测和基于条件扩散模型的短期异常检测，所述条件扩散模型的输入包括所述变分自编码器的输出； S3：对不同尺度对应的异常评估结果进行综合处理，生成综合异常评分，并对不同尺度的用户行为特征进行异常贡献度量化，生成异常贡献度； S4：根据所述综合异常评分判断用户行为是否为异常行为，并输出所述异常贡献度；所述长期异常检测包括步骤： 将用户长期行为统计特征输入至基于无监督学习的变分自编码器模型中，通过编码过程获得表征用户长期行为模式的用户状态编码向量； 基于所述用户状态编码向量对所述用户长期行为统计特征进行重构； 根据重构结果与原始长期行为统计特征之间的差异，以及所述用户状态编码向量在潜在空间中的偏离程度，生成长期异常评分；所述短期异常检测包括： 在所述用户状态编码向量的条件约束下，将用户短期操作序列特征输入至基于条件扩散的无监督学习模型中； 通过扩散过程对所述用户短期操作序列特征进行建模，并根据所述条件扩散模型对所述短期操作序列特征的重建误差，生成短期异常评分；所述方法还包括：将上层模型提供的对应用户状态编码向量和短期操作序列特征输入至条件扩散模型，经过前向加噪和训练好的1DU-Net去噪网络获得预测噪声； 去噪网络采用为处理一维序列设计的1DU-Net，核心为编码器-解码器结构，通过自适应组归一化模块将条件信息注入到网络中；对于自适应组归一化模块，首先进行条件向量的生成，将用户状态编码向量和扩散步的正弦位置编码拼接，并通过一个小型多层感知机融合，输出维度为的条件向量，其中是目标网络层的通道数；然后将条件向量均等拆分为两部分，分别作为自适应缩放因子和偏置因子；对于输入到目标网络层的特征，其自适应组归一化操作表示为： 其中是标准的组归一化操作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市永达电子信息股份有限公司，其通讯地址为：518057 广东省深圳市南山区粤海街道高新区社区高新南九道10号深圳湾科技生态园10栋B1901；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。