[发明专利]一种增量并行式动态图的结构异常检测方法

权利要求书

1.一种增量并行式动态图的结构异常检测方法，其特征在于，包括如下步骤：

初始化阶段：

S1：将所有待处理的图数据划分为N*X个子图；

S2：并行处理第一个子图集中的N个子图，也即第1-第N个子图，每个子图发现若干个正常模式；

S3：根据发现的若干个正常模式判定基准模式；

S4：根据基准模式发现前N个子图中每个子图的可能异常子结构；

S5：从各可能异常子结构中找出最可能的异常子结构，作为最后确定的异常子结构；

迭代处理阶段：

S6：将刚刚处理完的子图集直接向后增加一个子图；或舍弃第一个子图，并按顺序向后增加一个子图，形成一个新的子图集；

S7：判断是否需要重新生成正常模式，如果需要，则根据与步骤S2-S5相同的方法判定新的子图集中的异常子结构；如果不需要，则根据步骤S8-S10的方法判定新的子图集中的异常子结构；

S8：从步骤S6中新增加的子图中分别找出若干个正常模式，并与此轮子图集中其它子图的正常模式整合出此轮子图集的基准模式；

S9：若步骤S8中的基准模式与步骤S6中刚刚处理完的子图集的基准模式相同，则根据相同的基准模式找到新增加的一个或两个子图中的可能异常子结构，并结合此轮子图集中其它子图的可能异常子结构找到此轮子图集中的异常子结构；

S10：若步骤S8中的基准模式与步骤S6中刚刚处理完的子图集的基准模式不同，则根据步骤S8中基准模式找到此轮子图集中所有子图的可能异常子结构，并从所有子图的可能异常子结构中找到异常子结构；

S11：重复步骤S6-S10，直到处理完最后一个子图。

2.如权利要求1所述的增量并行式动态图的结构异常检测方法，其特征在于：所述步骤S2及步骤S8中，正常模式的判定方法为最小描述长度方法，以最小化以下目标函数找到正常模式：

min M(S,G)＝min{DL(G|S)+DL(S)}

其中，G表示所处理的子图，S为正常模式，DL(G|S)为使用正常模式S压缩后的子图G的描述长度，DL(S)为正常模式S的描述长度。

3.如权利要求1所述的增量并行式动态图的结构异常检测方法，其特征在于：所述步骤S4及步骤S9-步骤S10中，所述可能异常子结构的判定方法为：

0<d(S_A,E)<TD，且0≤P(S_A|E,G)≤TP≤1

其中，d(S_A,E)为可能异常子结构S_A与基准模式E的差异值，TD为人为设定的可能异常子结构S_A与基准模式E的最大差异，P(S_A|E,G)表示子图G在基准模式E的压缩下，可能异常子结构S_A为异常子结构的概率，其值由贝叶斯公式计算而得，TP为人为设定的可能异常子结构S_A为异常子结构最大概率。

4.如权利要求3所述的增量并行式动态图的结构异常检测方法，其特征在于：所述步骤S5及步骤S9-步骤S10中，所述异常子结构的判定方法为：通过下述公式，找到取值最低的若干个可能异常子结构，作为异常子结构：

Score＝d(S_A,E)*P(S_A|E,G)。

5.如权利要求1所述的增量并行式动态图的异常检测方法，其特征在于：所述步骤S6中，若刚刚处理完的子图集中的子图个数等于阈值，则将刚刚处理完的子图集舍弃第一个子图，并按顺序向后增加一个子图，形成一个新的子图集；若刚刚处理完的子图集中的子图个数小于阈值，则将刚刚处理完的子图集按顺序向后增加一个子图，形成一个新的子图集。

6.如权利要求1所述的增量并行式动态图的结构异常检测方法，其特征在于：所述步骤S7中，需要重新生成正常模式的判断标准为：步骤S6中，新的子图集中出现了移除边的情况，且d(S_del,E)≥β/(1+ε)²

其中，β和ε均为人为设定的参数，S_del为包括移除边数据节点的正常模式。