买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利一种基于动态图学习的微服务多模态异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121580171B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610083867.0，技术领域涉及：G06F18/2415；该发明授权一种基于动态图学习的微服务多模态异常检测方法是由田志宏;张位勇;孙彦斌;鲁辉;刘园;苏申;李默涵设计研发完成，并于2026-01-22向国家知识产权局提交的专利申请。

本一种基于动态图学习的微服务多模态异常检测方法在说明书摘要公布了：本发明提供了一种基于动态图学习的微服务多模态异常检测方法，包括：采集多模态可观测数据；对多模态可观测数据进行预处理进行对齐与窗口化处理得到多模态可观测数据的数据特征，根据数据特征与承载数据的物理实例之间的关联对数据特征进行实体绑定处理，得到节点数据表和边数据表；以时间窗口为索引构建多个按时间顺序排列的图快照组成图快照序列，在相邻图快照之间创建时间边得到动态图；当动态图中发生交互事件时，生成每个参与交互事件的交互事件发生节点的最终节点表示；根据最终节点表示得到节点的异常预测概率，以判断节点是否为异常。应用该方法能够提升检测的准确性，且能准确识别出由模式漂移或缓慢性能退化导致的异常。

本发明授权一种基于动态图学习的微服务多模态异常检测方法在权利要求书中公布了：1.一种基于动态图学习的微服务多模态异常检测方法，其特征在于，包括： 从微服务系统中采集多模态可观测数据，所述多模态可观测数据包括指标数据、调用链数据和日志数据，其中，采集指标数据和日志数据时将承载对应数据的物理实例的元数据标签附加到数据上，且日志数据中携带微服务系统为外部请求生成的追踪标识； 对所述多模态可观测数据进行预处理，包括进行对齐与窗口化处理得到指标数据、调用链数据和日志数据的数据特征，根据所述数据特征与承载数据的物理实例之间的关联对数据特征进行实体绑定处理，得到每个时间窗口内记录物理实例状态的节点数据表和记录物理实例之间交互的边数据表；其中，对数据特征进行实体绑定处理包括：根据物理实例的元数据标签与指标数据及日志数据之间的关联、日志数据中携带的追踪标识与调用链数据之间的关联，聚合每个时间窗口内与同一物理实例相关的数据特征；根据每个物理实例在每个时间窗口内的状态构建节点数据表，根据物理实例之间在每个时间窗口内的交互构建边数据表； 以时间窗口为索引筛选处于相同时间窗口内的节点数据和边数据构建多个按时间顺序排列的图快照组成图快照序列，根据相邻图快照之间的相同物理实例节点创建时间边，得到微服务系统行为的动态图； 为所述动态图中的每一个节点创建记忆状态向量，当动态图中发生交互事件时，更新每个参与交互事件的交互事件发生节点的记忆状态向量，将每个交互事件发生节点的更新的记忆状态向量和当前的融合特征向量结合生成最终节点表示；其中，更新每个参与交互事件的交互事件发生节点的记忆状态向量包括：收集交互事件发生节点的所有邻居节点在上一时间窗口的记忆状态向量和当前时间窗口的融合特征向量，聚合收集的邻居节点信息得到聚合信息；将所述聚合信息送入门控循环单元中进行交互事件发生节点的记忆状态向量更新； 对每个节点在每个时间窗口的最终节点表示进行非线性变换得到异常预测概率，当异常预测概率大于预设的决策阈值时，节点对应的物理实例在相应时间窗口判定为异常。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510000 广东省广州市番禺区大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。