面向蜂窝物联网的深度学习异常检测及其在智能物流中的应用
网络与互联网体系结构
2021-04-06 v2
摘要
信息物理基础设施系统中连接的物联网（IoT）设备数量以递增的速率增长。这给当前 IoT 网络带来了显著的设备管理与安全挑战。在应对这些挑战的若干方法中，根植于深度学习（DL）的基于数据的方法正受到越来越多的关注。在本文中，受工业环境中即将到来的 5G IoT 连接激增的推动，我们提议将基于 DL 的异常检测（AD）作为一种服务集成到 3GPP 移动蜂窝 IoT 架构中。所提出的架构在 IoT 设备（ADM-EDGE）和移动核心网（ADM-FOG）中均嵌入了基于自动编码器的异常检测模块，从而在系统响应性与准确性之间取得平衡。我们设计、集成、演示并评估了一个测试床，该测试床在 3GPP 窄带物联网（NB-IoT）移动运营商网络内集成的真实部署中实现了上述服务。
引用
@article{arxiv.2102.08936,
title = {Deep Learning Anomaly Detection for Cellular IoT with Applications in Smart Logistics},
author = {Milos Savic and Milan Lukic and Dragan Danilovic and Zarko Bodroski and Dragana Bajovic and Ivan Mezei and Dejan Vukobratovic and Srdjan Skrbic and Dusan Jakovetic},
journal= {arXiv preprint arXiv:2102.08936},
year = {2021}
}
备注
12 pages, 9 figures, revised version, submitted to IEEE journal for possible publication