面向信息物理系统的诊断驱动异常检测
机器学习
2023-11-28 v1 人工智能
摘要
在信息物理系统（CPS）研究中，异常检测（检测异常行为）与诊断（识别潜在根因）常被视为独立、孤立的任务。然而，诊断算法需要症状，即时空隔离的异常，作为输入。因此，异常检测与诊断必须协同开发，以期为 CPS 中的诊断提供整体解决方案。我们据此提出一种利用基于深度学习的异常检测来生成基于一致性的诊断（CBD）输入的方法。我们在模拟与真实世界的 CPS 数据集上评估了我们的方法，其中我们的模型相对于其他最先进模型展现出强劲性能。
引用
@article{arxiv.2311.15924,
title = {Diagnosis driven Anomaly Detection for CPS},
author = {Henrik S. Steude and Lukas Moddemann and Alexander Diedrich and Jonas Ehrhardt and Oliver Niggemann},
journal= {arXiv preprint arXiv:2311.15924},
year = {2023}
}