学习检测物联网网络中的异常无线链路
网络与互联网体系结构
2020-11-25 v2 机器学习
信号处理
摘要
经过数十年的研究，物联网（IoT）终于渗透到现实生活中，并有助于提高基础设施和流程的效率以及我们的健康水平。随着大量 IoT 设备的部署，它们自然会产生巨大的运维成本以确保预期运行。为了在海量的 IoT 网络中有效处理此类预期运行，自动检测故障（即异常检测）成为一项关键但具有挑战性的任务。在本文中，受真实世界 IoT 实验部署的启发，我们引入了在链路层识别出的四类无线网络异常。我们研究了基于阈值和机器学习（ML）的分类器自动检测这些异常的性能。我们考察了三种有监督和三种无监督 ML 技术在非编码和编码（自编码器）特征表示上的相对性能。我们的结果表明：i）选定的有监督方法能够以高于 0.98 的 F1 分数检测异常，而无监督方法也能够以平均 0.90 的 F1 分数检测上述异常；ii）OC-SVM 优于所有其他无监督 ML 方法，在 SuddenD 上达到 0.99、SuddenR 上 0.95、InstaD 上 0.93、SlowD 上 0.95 的 F1 分数。
引用
@article{arxiv.2008.05232,
title = {Learning to Detect Anomalous Wireless Links in IoT Networks},
author = {Gregor Cerar and Halil Yetgin and Blaž Bertalanič and Carolina Fortuna},
journal= {arXiv preprint arXiv:2008.05232},
year = {2020}
}