CN120277584A 基于动态分层聚类的硬件仿真平台环境异常检测方法 （上海集成电路技术与产业促进中心）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120277584A(43)申请公布日2025.07.08

(21)申请号202510434005.3

(22)申请日2025.04.08

(71)申请人上海集成电路技术与产业促进中心地址200000上海市浦东新区蔡伦路1619

弄1号403室

申请人上海灏谷集成电路技术有限公司

(72)发明人朱小炜钱后龙康玲玲龚梅芝杨晓君魏伟萧李永

(74)专利代理机构江苏昌禾律师事务所32837专利代理师潘天志

(51)Int.CI.

GO6F18/2433(2023.01)

GO6F18/231(2023.01)

G06F123/02(2023.01)

权利要求书4页说明书10页附图1页

(54)发明名称

基于动态分层聚类的硬件仿真平台环境异常检测方法

(57)摘要

CN120277584A本发明公开了一种基于动态分层聚类的硬件仿真平台环境异常检测方法，S1.形成标准化特征向量数据流；S2.依据标准化特征向量数据流构建反映硬件仿真平台环境状态的多维特征向量集合；S3.生成初始聚类中心和初始层次划分结构；S4.对初始分层聚类模型的层次结构、聚类中心及分类标准进行实时更新；S5.基于实时更新后的分层聚类模型，计算各特征向量与其所属聚类中心之间的偏离程度，并对偏离程度超过预设阈值的特征向量进行异常判断，实现对硬件仿真平台环境异常数据的识别；S6.对于识别出

CN120277584A

度。

S1:

S1:采集硬件仿真平台多维数据并进行预处理

S2:生成多维特征向量集合并构建特征空间

S3:采用层次聚类算法

建立初始分层聚类模型

S4:依据新数据分布变化自适应调整层次结构

S5:计算偏离程度

进行异常判断

S6:生成异常报警信号

CN120277584A权利要求书1/4页

2

1.一种基于动态分层聚类的硬件仿真平台环境异常检测方法，其特征在于，包括如下步骤：

S1.从硬件仿真平台实时采集运行过程中产生的多维数据，并对多维数据进行去噪、归一化和特征提取，形成标准化特征向量数据流；

S2.依据标准化特征向量数据流构建反映硬件仿真平台环境状态的多维特征向量集合；

S3.利用多维特征向量集合，采用层次聚类算法建立初始分层聚类模型，生成初始聚类中心和初始层次划分结构；

S4.在硬件仿真平台持续运行过程中，实时接收新生成的标准化特征向量数据流，并将新标准化特征向量数据流与初始分层聚类模型进行比较，依据数据分布变化和特征向量差异实施自适应层次调整操作，对初始分层聚类模型的层次结构、聚类中心及分类标准进行实时更新；

S5.基于实时更新后的分层聚类模型，计算各特征向量与其所属聚类中心之间的偏离程度，并对偏离程度超过预设阈值的特征向量进行异常判断，实现对硬件仿真平台环境异常数据的识别；

S6.对于识别出的异常数据生成异常报警信号。

2.根据权利要求1所述的一种基于动态分层聚类的硬件仿真平台环境异常检测方法，其特征在于，所述S1包括以下步骤：

S11.采集硬件仿真平台在运行过程中产生的多维数据，所述多维数据包括电压、电流、信号时序、逻辑状态及功耗数据，并构建时间序列多维数据集：

D={d?,d?,...,d};

其中，D为采集的多维数据集，d表示第i个时间步长的数据点，N为采集的时间步数；

S12.对所述多维数据集D进行去噪处理，对信号噪声进行抑制，去除高频干扰信号，并通过滑动均值滤波减少瞬态信号波动，生成去噪后的多维数据集；

S13.对去噪后的多维数据集进行归一化处理，将所有数据映射至[0,1]区间，使不同维度的数据在相同尺度下进行计算，得到归一化多维数据集；

S14.对归一化后的多维数据集进行特征提取，依据数据类型选择时域、频域及统计特征生成标准化特征向量数据流F:

F={f?,f?,...,f};

其中，f;表示第i个时间步长的特征向量。

3.根据权利要求1所述的一种基于动态分层聚类的硬件仿真平台环境异常检测方法，其特征在于，所述S2包括以下步骤：

S21.依据标准化特征向量数据流F生成硬件仿真平台环境的多维特征向量集合X:

X={x?,X?,·..,x};

其中，X为多维特征向量集合，x表示第i个特征向量，N为特征向量的总数；

S22.依据特征向量的分布特性，计算特征向量集