零偏置深度学习赋能的物联网快速可靠异常检测
网络与互联网体系结构
2021-06-01 v1 机器学习
性能
摘要
异常检测对安全关键和时延受限系统的性能至关重要。然而，随着系统日益复杂且异构数据量巨大，传统的统计变点检测方法正变得低效且效果不佳。尽管深度学习（DL）和深度神经网络（DNN）日益用于处理异构数据，它们仍缺乏理论可保证的性能和可解释性。本文集成零偏置DNN与最快事件检测算法，为物联网（IoT）中异常及时间相关异常事件的快速可靠检测提供整体框架。我们首先使用零偏置稠密层提升DNN的可解释性。我们给出了将零偏置DNN分类器转换为性能可保证的二元异常检测器的方法。利用转换后的异常检测器，我们进而提出一种序列最快检测方案，在虚警约束下提供理论可保证的最低异常事件检测时延。最后，我们使用来自真实世界航空通信系统的大量信号记录和模拟数据证明了该框架的有效性。我们的代码和数据可在\url{https://github.com/pcwhy/AbnormalityDetectionInZbDNN}获取。
引用
@article{arxiv.2105.15098,
title = {Zero-bias Deep Learning Enabled Quick and Reliable Abnormality Detection in IoT},
author = {Yongxin Liu and Jian Wang and Jianqiang Li and Shuteng Niu and Houbing Song},
journal= {arXiv preprint arXiv:2105.15098},
year = {2021}
}