| 主权项 |
一种网络异常事件检测方法，其特征在于，包括：通过网络真实部署里的观察状态序列和隐含状态序列学习得到优化参数，所述观察状态序列和隐含状态序列，为时间片和传感器节点空间坐标值的函数；根据输入的观察检测序列，结合所述优化参数来推算隐含检测序列，进行网络异常事件检测；所述观察状态序列为：X<sup>(i)</sup>＝{|x<sub>t‑k+1</sub>,x<sub>t‑k+2</sub>,···,x<sub>t</sub>}；所述隐含状态序列为：Y<sup>(i)</sup>＝{y<sub>t‑k+1</sub>,y<sub>t‑k+2</sub>,···,y<sub>t</sub>}，其中t为时间片，k为时长；所述通过网络真实部署里的观察状态序列和隐含状态序列学习得到优化参数包括：根据网络真实部署里的训练数据D＝{X<sup>(i)</sup>,Y<sup>(i)</sup>}，设置动态条件随机场里的优化参数Λ＝{λ<sub>k</sub>}；所述根据输入的观察检测序列，结合所述优化参数来推算隐含检测序列包括：从观察检测序列推测隐藏检测序列的概率为：<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>p</mi><mrow><mo>(</mo><msup><mi>X</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup><mo>|</mo><msup><mi>Y</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mi>z</mi></mfrac><munder><mo>Π</mo><mi>t</mi></munder><munder><mo>Π</mo><mrow><mi>c</mi><mo>∈</mo><mi>C</mi></mrow></munder><mi>exp</mi><mrow><mo>(</mo><munder><mo>Σ</mo><mi>k</mi></munder><msub><mi>λ</mi><mi>k</mi></msub><msub><mi>f</mi><mi>k</mi></msub><mo>(</mo><mrow><msup><msub><mi>X</mi><mi>c</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup><mo>,</mo><msup><mi>Y</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup><mo>,</mo><mi>t</mi></mrow><mo>)</mo><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0000985861990000011.GIF" wi="990" he="128" /></maths>其中z为归一化函数，C为条件随机场的图模型中的所有团的集合，λ<sub>k</sub>f<sub>k</sub>为基于团定义的因素函数；根据输入的某k时长的观察检测序列x<sub>t‑k+1</sub>,x<sub>t‑k+2</sub>,···,x<sub>t</sub>，结合优化参数Λ＝{λ<sub>k</sub>}推算隐含检测序列y<sub>t‑k+1</sub>,y<sub>t‑k+2</sub>,···,y<sub>t</sub>，令：y*＝argmax<sub>y</sub>p(y<sub>t‑k+1</sub>,y<sub>t‑k+2</sub>,···,y<sub>t</sub>|x<sub>t‑k+1</sub>,x<sub>t‑k+2</sub>,···,x<sub>t</sub>；Λ)；其中，以动态条件随机场中的观察状态序列X<sup>(i)</sup>＝{|x<sub>t‑k+1</sub>,x<sub>t‑k+2</sub>,···,x<sub>t</sub>}来表示传感器节点的读数矩阵，以隐含状态序列Y<sup>(i)</sup>＝{y<sub>t‑k+1</sub>,y<sub>t‑k+2</sub>,···,y<sub>t</sub>}来表示可能发生的事件序列。 |
