[发明专利]一种基于深度混合云模型的场景异常感知指标计算方法及系统

权利要求书

1.一种基于深度混合云模型的场景异常感知指标计算方法，其方法包括如下步骤：

S1、使用graphembedding对网络资源节点进行图编码；

S2、使用基于深度学习的层次分析法建立云模型评价标尺；

S3、使用云标尺进行在线场景异常感知检测。

2.根据权利要求1所述的基于深度混合云模型的场景异常感知指标计算方法，其特征在于：所述S1中，使用graphembedding对网络资源节点进行图编码的方法具体包括如下步骤：

S1.1、输入：Graph表示网络资源，每一个图中的节点包含各自的属性；

S1.2、输出：对于网络资源的基于GraphEmbedding的图编码表示；

S1.3、初始化：基于网络资源的邻接矩阵，基于网络资源属性的特征矩阵；

S1.4、迭代训练GraphEmbedding。

3.根据权利要求2所述的基于深度混合云模型的场景异常感知指标计算方法，其特征在于：所述S1.4中，迭代训练GraphEmbedding的方法具体包括如下步骤：

S1.4.1、对于网络资源形成的图，首先进行对于Graph空间结构的分析，通过聚合函数将任意一个节的低阶，高阶空间关系聚合起来形成对于节点新的空间关系的表示；

S1.4.2、对于S1.4.1中所形成的聚合空间关系,将初始化阶段已知的对于节点的特征关系进行聚合，通过IoT-GraphEmbedding算法，融合网络资源的空间关系和特征关系；

S1.4.3、通过多次训练，优化网络结构，形成最优的图编码表示。

4.根据权利要求1所述的基于深度混合云模型的场景异常感知指标计算方法，其特征在于：所述S2中，使用基于深度学习的层次分析法建立云模型评价标尺的方法具体包括如下步骤：

S2.1、将0.1-0.9标度分别对应9个云模型(Exi、Eni、Hei)(i＝1、2、……、9)，其中0.1、0.2、…、0.9分别对应于云模型的期望Ex1、Ex2、……、Ex9；

S2.2、设9个云模型的论域U为[0.1,0.9]，各云模型的期望值为Ex₁＝0.1、Ex₂＝0.2、……、Ex₉＝0.9，根据黄金分割法得到各个云模型的熵和超熵，其中，各云模型的熵：En₁＝En₃＝En₅＝En₇＝En₉＝0.0707，En₂＝En₄＝En₆＝En₈＝0.0437；各云模型的超熵：He₁＝He₃＝He₅＝He7＝He9＝0.0118，He2＝He4＝He6＝He8＝0.0073；得到用云模型表示的标度(Exi、En_i、He_i)(i＝1、2、……、9)；

S2.3、构造判断矩阵，设在论域[U_min，U_max]中有m朵相邻的基云C1＝(Ex₁，En₁，He₁)、……、Cm＝(Ex_m，En_m，He_m)，集结m朵云可以得到定性概念的浮动云C＝(Ex，En，He)，其中数值指标计算公式为：

5.一种基于深度混合云模型的场景异常感知指标计算系统，包括：

图编码模块，用于使用graphembedding对网络资源节点进行图编码；

建立云模型模块，用于使用基于深度学习的层次分析法建立云模型评价标尺；

感知检测模块，用于使用云标尺进行在线场景异常感知检测。