RoS-Guard: 具备延迟最优保证的鲁棒可扩展在线变更检测
机器学习
2025-11-18 v1 人工智能
摘要
在线变更检测（OCD）旨在快速识别流式数据中的变更点，对于电力系统监控、无线网络感知和金融异常检测等应用至关重要。现有OCD方法通常假设系统知识精确，这在估计误差和环境变化的情况下并不现实。此外，现有OCD方法在大规模系统中常常在效率方面受限。为克服这些挑战，我们提出RoS-Guard，一种为线性系统（具有不确定性）量身定制的鲁棒最优OCD算法。通过对OCD优化问题进行紧密松弛和重新表述，RoS-Guard采用神经展开技术，以实现GPU加速的高效并行计算。该算法提供了关于性能的理论保证，包括预期误报率和最坏情况平均检测延迟。大量实验验证了RoS-Guard的有效性，并在大规模系统场景中展示了显著的计算加速。
引用
@article{arxiv.2511.12846,
title = {RoS-Guard: Robust and Scalable Online Change Detection with Delay-Optimal Guarantees},
author = {Zelin Zhu and Yancheng Huang and Kai Yang},
journal= {arXiv preprint arXiv:2511.12846},
year = {2025}
}