AnoML-IoT：一种面向物联网的可端到端重配置多协议异常检测流水线
网络与互联网体系结构
2022-10-05 v1
摘要
泛在计算的高速发展使得微控制器可作为边缘设备使用。这些设备被用于开发真正分布式的基于物联网的机制，其中利用了机器学习（ML）模型。然而，将 ML 模型集成到边缘设备需要理解各种软件工具，如编程语言和领域特定知识。异常检测是需要高水平专业知识才能取得理想结果的领域之一。在这项工作中，我们提出 AnoML，这是一个端到端数据科学流水线，允许以最少用户交互集成多种无线通信协议、异常检测算法，以及向边缘、雾和云平台部署。我们通过减少因物联网环境异质性而形成的障碍，促进物联网异常检测机制的开发。所提出的流水线支持四个主要阶段：(i) 数据摄取，(ii) 模型训练，(iii) 模型部署，(iv) 推理与维护。我们使用两个异常检测数据集对流水线进行评估，同时比较多种机器学习算法在不同节点内的效率。我们还提供了所开发工具的源代码（https://gitlab.com/IOTGarage/anoml-iot-analytics），它们是该流水线的主要组件。
引用
@article{arxiv.2210.01771,
title = {AnoML-IoT: An End to End Re-configurable Multi-protocol Anomaly Detection Pipeline for Internet of Things},
author = {Hakan Kayan and Yasar Majib and Wael Alsafery and Mahmoud Barhamgi and Charith Perera},
journal= {arXiv preprint arXiv:2210.01771},
year = {2022}
}
备注
Elsevier Internet of Things, Volume 16, 100437, December 2021