面向多模态的自演进高效注意力异常检测机制研究

郝明诗; 于少中; 柳杰灵; 祝雅宁

doi:10.11959/j.issn.1000-0801.27

您当前的位置：

首页 >

文章列表页 >

面向多模态的自演进高效注意力异常检测机制研究

研究与开发 | 更新时间：2026-01-21

- 面向多模态的自演进高效注意力异常检测机制研究
- 面向多模态的自演进高效注意力异常检测机制研究
- 电信科学 2026年页码：1-5
- 作者机构：
  
  中国移动通信集团设计院有限公司，北京 100089
- 作者简介：
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.27
  中图分类号： TP393
- 网络出版：2026-01-08，
- 稿件说明：
移动端阅览
郝明诗,于少中,柳杰灵等.面向多模态的自演进高效注意力异常检测机制研究[J].电信科学,

郝明诗, 于少中, 柳杰灵, et al. 面向多模态的自演进高效注意力异常检测机制研究[J/OL]. Telecommunications Science, 2026, 1-5.
郝明诗,于少中,柳杰灵等.面向多模态的自演进高效注意力异常检测机制研究[J].电信科学, DOI：10.11959/j.issn.1000−0801.27.

郝明诗, 于少中, 柳杰灵, et al. 面向多模态的自演进高效注意力异常检测机制研究[J/OL]. Telecommunications Science, 2026, 1-5. DOI： 10.11959/j.issn.1000-0801.27.

摘要

随着工业物联网和智慧城市的快速发展，安全监控系统需要处理文本、图像、视频、传感器等多模态数据。现有跨模态注意力模型存在计算复杂度高、对未知威胁感知能力弱、模型缺乏自适应演进能力三大挑战。提出一种面向多模态的自演进高效注意力异常检测机制，通过构建分层注意力架构，引入卷积操作增强局部建模能力，并利用门控网络动态调节计算路径。同时，设计基于知识蒸馏的演进系统，使模型能够持续从新数据中学习。实验结果表明，该机制将计算复杂度从平方级降至线性级，在异常检测任务中对未知威胁的检出率提升约30%，为实时智能安全监测提供了有效的技术方案。

Abstract

关键词

Keywords

references

万佳蓉 , 王晔 , 张雷 , 等 . 工业控制系统安全威胁分类模型研究 [J ] . 网络安全与数据治理 , 2025 , 44 ( 9 ): 8 - 14 .

孙瑜 . 面向工业互联网的安全态势感知研究 [D ] . 曲阜 : 曲阜师范大学 , 2024 .

贺瑞雨 , 侯云云 . 工业互联网安全技术方法研究综述 [J ] . 电脑知识与技术 , 2023 , 19 ( 28 ): 76 - 78 .

周锦珩 . 基于多模态大模型的工业异常检测方法研究与实现 [D ] . 上海 : 上海师范大学 , 2025 .

赵海燕 , 吴思雨 , 曹健 , 等 . 面向主动学习的异常检测方法: 现状与展望 [J ] . 小型微型计算机系统 , 2025 : 1 - 11 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Transformer的互联网暗链检测方法