上下文信息融合与噪声自适应的异常检测方法
信息物理系统(CPSs)中传感器和执行器等现场设备收集的数据中隐含复杂的上下文信息和未知分布噪声.为了提取并融合数据中的上下文信息以及减轻噪声带来的干扰,提出了上下文信息融合与噪声 自适应的异常检测方法.该方法中设计了一种由自适应降噪编码器、上下文信息编码器和解码器构成的编解码网络建模CPSs状态空间模型.自适应降噪编码器在训练过程中通过拟合数据中噪声的分布模式生成自适应噪声,并利用该噪声对训练数据中的传感器数据加噪,以提升编解码网络的鲁棒性,减轻噪声带来的干扰,同时可迫使降噪自编码器学习到泛化性更强的系统的隐藏状态;上下文信息编码器利用LSTM和CNN提取数据窗口内的时序和空间上下文信息,并使用 自注意力机制融合这两类上下文信息和系统隐藏状态,融合结果用于推断当前时刻系统隐藏状态,以提升此隐藏状态中的信息量;解码器利用以上系统隐藏状态可以更准确地解码出相应的传感器数据.编解码网络训练完成后,得到系统隐藏状态和传感器解码值,基于无迹卡尔曼滤波算法计算异常评分.在SWaT和PUMP两个实际CPSs数据集上的实验结果表明,所提方法的F1值均优于其他对比方法,验证了其有效性.
异常检测、自适应噪声、上下文信息、状态空间模型、信息物理系统
50
TP183(自动化基础理论)
国家自然科学基金U1333109
2023-07-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
237-245