基于自动编码器和注意力机制的图异常检测方法及系统

专利主权项内容

1.一种基于自动编码器和注意力机制的图异常检测方法，其特征在于，包括：以各个设备为节点和不同节点之间的关联关系为边构建图结构网络S，以及以各个设备为节点、每个节点的流量数据、业务数据作为相对应节点的初始特征和不同节点之间的关联关系为边构建图属性网络，其中 />是邻接矩阵，/>是属性矩阵，/>为矩阵维度，n为节点总数，d为属性特征个数；获取不同设备的流量业务数据以及不同设备之间的关联关系数据，再将所述流量业务数据和所述关联关系数据分别输入至所述图属性网络G和所述图结构网络S中；通过预设的多头跳跃连接注意力机制分别为所述图属性网络G和所述图结构网络S中的每个节点分配不同的权重计算隐向量，得到与所述图属性网络G相对应的第一隐向量以及与所述图结构网络S相对应的第二隐向量/>；以最小化网络结构和节点属性为目标的第一损失函数对所述第一隐向量和所述第二隐向量/>进行解码重构，得到与所述第一隐向量/>对应的第一特征向量和与所述第二隐向量/>对应的第二特征向量；通过下采样的方式分别将第一重构损失误差的维度与第一隐向量/>的维度对齐、第二重构损失误差/>的维度与第二隐向量/>的维度对齐，若第一隐向量/>的维度和/或第二隐向量/>的维度为1*k，第一重构损失误差/>的维度和/或第二重构损失误差/>的维度为1*d，则在第一重构损失误差/>和/或第二重构损失误差/>的d个特征中，对每个特征以k/d的概率被选中组成新的重构误差，得到降维后的第一目标重构损失误差/>和/或第二目标重构损失误差/>，其中，所述第一重构损失误差/>由所述第一特征向量与所述第一隐向量/>作差得到，所述第二重构损失误差/>由所述第二特征向量与所述第二隐向量/>作差得到，将所述第一目标重构损失误差和/或所述第二目标重构损失误差/>分别与所述第一隐向量/>和/或所述第二隐向量/>进行向量相加，并对相加后的第一隐向量/>和所述第二隐向量/>做外积进行升维处理，得到输入向量/>；将输入向量输入至预设的估计网络中，通过所述估计网络中第二损失函数计算各个节点的分布概率，并根据所述各个节点的分布概率计算每个节点的异常分数值。