一种基于深度学习的链下工业数据异常检测方法
技术特征：
1.一种基于深度学习的链下工业数据异常检测方法，其特征在于，所述技术包括：
2.根据权利要求1所述基于深度学习的链下工业数据异常检测方法，其特征在于，所述步骤1的过程具体为：
3.根据权利要求1所述基于深度学习的链下工业数据异常检测方法，其特征在于，所述步骤2的过程具体为：
4.根据权利要求1所述基于深度学习的链下工业数据异常检测方法，其特征在于，所述步骤3的过程具体为：
5.根据权利要求1所述基于深度学习的链下工业数据异常检测方法，其特征在于，所述步骤4的过程具体为：
6.根据权利要求1所述基于深度学习的链下工业数据异常检测方法，其特征在于，所述步骤5的过程具体为：
7.根据权利要求1所述基于深度学习的链下工业数据异常检测方法，其特征在于，所述步骤6的过程具体为：
8.根据权利要求1所述基于深度学习的链下工业数据异常检测方法，其特征在于，所述步骤7的过程具体为：
技术总结
本发明涉及深度学习和区块链技术领域，具体是一种基于深度学习的链下工业数据异常检测方法。该方法提出了一种时空邻域融合网络模型，能够提取工业物联网流量数据的时间序列特征、空间序列特征以及邻居节点特征。通过对提取的三种特征进行线性关系聚合，全面表达数据特征，从而提高异常检测的准确性。本方法实现了对工业数据的智能感知和高效检测，确保在数据上链之前剔除或修正异常数据，最终保障上链数据的真实有效性和系统的整体安全性。上链存储的数据可以随时被追溯和验证，确保工业数据的可信度。本发明结合了深度学习的智能感知能力和区块链的去中心化、共识机制等特点，为工业区块链系统提供了一种高效、可靠的数据管理解决方案。
技术研发人员：杨昌松,吴俊夫,柳悦玲,丁勇,梁海,王硕
受保护的技术使用者：桂林电子科技大学
技术研发日：
技术公布日：2024/11/26
文档序号 :
【 40123509 】
技术研发人员：杨昌松,吴俊夫,柳悦玲,丁勇,梁海,王硕
技术所有人：桂林电子科技大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：杨昌松,吴俊夫,柳悦玲,丁勇,梁海,王硕
技术所有人：桂林电子科技大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除