[发明专利]一种基于MHMA的异常检测方法和设备

权利要求书

1.一种基于MHMA的异常检测方法，其特征在于，包括：

获取工业控制系统中的设备数据，包括：向所述工业控制系统发送获取设备数据的请求，所述工业控制系统根据接收到的请求返回相应的设备数据；或者，接收所述工业控制系统主动发送的设备数据；

其中，所述设备数据包括工业控制系统中各个控制系统的设备在各个时间戳的运行参数、状态参数或者操作参数；

获取已知检测状态的设备数据样本；所述设备数据样本中包括正常数据样本和异常数据样本；将所述正常数据样本输入初始多头记忆自编码器中，对所述初始多头记忆自编码器进行训练；训练过程中采用基于随机梯度下降的误差反向传播算法优化更新所述初始多头记忆自编码器中的权重及偏置参数，直至所述初始多头记忆自编码器收敛，得到训练后的多头记忆自编码器；其中，用于对所述初始多头记忆自编码器进行训练的正常数据样本是输入生成式对抗网络中的生成模型之后得到的优化后的数据样本；

将所述异常数据样本输入所述训练后的多头记忆自编码器中，验证所述训练后的多头记忆自编码器是否有效，并在确认有效后存储该多头记忆自编码器；其中，所述验证所述训练后的多头记忆自编码器是否有效，具体包括：

确定所述异常数据样本的背景信息；根据所述背景信息，采用似然比算法，计算得到所述异常数据样本对应的似然比；根据所述似然比确定所述异常数据样本对应的异常值；判断所述异常值是否满足预设阈值；若所述异常值满足预设阈值，确定所述训练后的多头记忆自编码器有效；

将所述设备数据输入训练完成的多头记忆自编码器中，得到所述设备数据对应的重构数据；所述多头记忆自编码器中包括用于记忆增强的记忆模块；所述多头记忆自编码器是由所述设备数据中的正常数据训练得到；

计算所述设备数据与所述重构数据之间的重构误差；

判断所述重构误差是否超出预设异常阈值，得到判断结果；

当所述判断结果表示所述重构误差超出所述预设异常阈值时，确定所述工业控制系统存在异常。

2.如权利要求1所述的方法，其特征在于，所述多头记忆自编码器包括编码器、记忆模块以及解码器；

所述将所述设备数据输入训练完成的多头记忆自编码器中，得到所述设备数据对应的重构数据，具体包括：

采用所述编码器对所述设备数据进行编码，得到第一隐特征向量；

采用所述记忆模块对所述隐特征向量进行记忆增强，输出第二隐特征向量，所述第二隐特征向量为与第一特征向量邻近的基础特征向量；

将所述第二隐特征向量输入所述解码器中，得到重构数据。

3.如权利要求2所述的方法，其特征在于，所述解码器中的最后一层网络具有多个网络分支；

所述将所述第二隐特征向量输入所述解码器中，得到重构数据，具体包括：

将所述第二隐特征向量输入多个所述网络分支中，得到重构数据。

4.如权利要求1所述的方法，其特征在于，所述得到的优化后的数据样本之前，还包括：

获取设备数据样本中的正常数据样本；

将所述正常数据样本输入生成式对抗网络中的生成模型，得到所述生成模型输出的数据；

将输出的数据输入生成式对抗网络中的判别模型，得到所述判别模型的判别结果，所述判别结果表示所述生成模型输出的数据与所述正常数据样本的相似度；

当所述相似度小于预设阈值时，对所述生成式对抗网络中的生成模型进行优化，直至所述生成模型输出的数据与所述正常数据样本的相似度超出或等于所述预设阈值为止，得到训练完成的生成式对抗网络的生成模型。