基于Transformer的智能家庭IoT设备统一韧性 Tureis
网络与互联网体系结构
2026-03-12 v1 机器学习
摘要
智能家居IoT系统依赖异构传感器网络，其正确性直接影响应用行为和物理环境。然而，这些低成本、资源受限的传感器在实际压力下高度易发生故障。先前方法常假设单故障、单居员场景，仅能检测故障而无法实现传感器级定位，覆盖有限的故障类型和传感器模态，需依赖标签和人工干预，或施加阻碍边缘部署的开销。为克服这些限制，我们提出Tureis，一种为多故障、多居员边缘场景设计的自监督、情景感知方法，用于故障检测和故障传感器定位。Tureis将异构的二进制和数值传感器流编码为紧凑的位级特征。随后，它在短时序窗口上训练轻量级BERT风格Transformer，通过传感器级掩码重建捕获空间和短期时间相关性，而不混合无关事件。这种自监督目标无需标签或人工语义。运行时，Tureis将重建残差转换为传感器级故障证据，并使用迭代隔离-继续循环屏蔽标记传感器，以使其他故障显现，实现韧性、精细定位。在五个包含最高九名居民的数据集上，Tureis在单故障定位F1指标上相较于三个强基线提升7.6%、21.0%和25.0%。在多故障场景（最高五个故障传感器）中，进一步相较于两个基线提升17.6%和35.4%，而第三个基线无法扩展至此场景。这些提升以分钟级定位速度实现，模型体积小于1MB，在树莓派5上处理每分钟数据仅需几毫秒，峰值内存约0.5GB。
引用
@article{arxiv.2603.10038,
title = {Tureis: Transformer-based Unified Resilience for IoT Devices in Smart Homes},
author = {Alireza Borhani and Vafa Andalibi and Bahar Asgari},
journal= {arXiv preprint arXiv:2603.10038},
year = {2026}
}