LE3D：面向资源受限设备的数据漂移检测器轻量级集成框架
机器学习
2022-11-21 v2 密码学与安全
分布式、并行与集群计算
摘要
随着物联网（IoT）传感器部署数量的增加，数据完整性变得至关重要。传感器数据可能因良性原因或恶意行为而被改变。检测漂移与异常的机制可防止 IoT 应用状态中的中断与数据偏差。本文提出 LE3D，一个能够检测异常传感器行为的数据漂移估计器集成框架。通过与周边 IoT 设备协作，还可识别漂移类型（自然/异常）并报告给终端用户。所提框架是一种轻量级无监督实现，能够在资源受限的 IoT 设备上运行。我们的框架还具有通用性，能以最小的在线重配置适应新的传感器流与环境。我们将我们的方法与最先进的集成数据漂移检测框架进行比较，评估了真实世界检测精度以及实现的资源利用率。利用真实世界数据与仿真漂移进行实验，我们展示了方法的有效性，其检测精度高达 97%，同时所需运行资源极少。
引用
@article{arxiv.2211.01840,
title = {LE3D: A Lightweight Ensemble Framework of Data Drift Detectors for Resource-Constrained Devices},
author = {Ioannis Mavromatis and Adrian Sanchez-Mompo and Francesco Raimondo and James Pope and Marcello Bullo and Ingram Weeks and Vijay Kumar and Pietro Carnelli and George Oikonomou and Theodoros Spyridopoulos and Aftab Khan},
journal= {arXiv preprint arXiv:2211.01840},
year = {2022}
}
备注
IEEE CCNC 2023, Las Vegas, USA