基于设备间通信的分布式 IoT 边缘全局异常检测

异常检测是 IoT 应用中寻找由异常事件引起的离群值的重要功能。异常检测通常伴随高频数据采样，应在边缘设备而非云端完成。本文考虑单一远程站点内安装多个物联网设备并通过设备间通信协作检测异常观测的情形。为此，我们提出一种用于训练分布式异常检测器的完全分布式协作方案，称为基于无线临时联邦学习的"WAFL-Autoencoder"。我们引入全局异常的概念，即样本不仅对局部设备罕见，也对目标域内所有设备都罕见。我们还提出了全局异常检测的分布式阈值寻找算法。通过基于标准基准的评估，我们确认该方案在各设备上训练的异常检测器表现完美。我们还确认在保持低误报率的同时，设备能够通过协作方式找到全局异常检测的阈值，并以很高的真阳性率实现检测（少数例外情况除外）。