如何為物聯(lián)網(wǎng)的時(shí)間序列異常檢測(cè)建模

異常檢測(cè)涵蓋了大量數(shù)據(jù)分析用例。然而，這里的異常檢測(cè)特指檢測(cè)意外事件，無(wú)論是心臟事件，機(jī)械故障，黑客攻擊還是欺詐性交易。

事件的意外特征意味著數(shù)據(jù)集中沒(méi)有這樣的示例。分類解決方案通常需要所有相關(guān)類的一組示例。那么，在沒(méi)有可用示例的情況下，我們?cè)撊绾翁幚?它需要稍微改變一下。

在這種情況下，我們只能訓(xùn)練非故障數(shù)據(jù)的機(jī)器學(xué)習(xí)模型; 也就是說(shuō)，描述系統(tǒng)在正常條件下運(yùn)行的數(shù)據(jù)。輸入數(shù)據(jù)是異常還是僅僅是常規(guī)操作的評(píng)估只能在預(yù)測(cè)完成后在部署中執(zhí)行。這個(gè)想法是在正常數(shù)據(jù)上訓(xùn)練的模型只能預(yù)測(cè)下一個(gè)正常的樣本數(shù)據(jù)。但是，如果系統(tǒng)不再在正常情況下工作，輸入數(shù)據(jù)將不會(huì)描述正確工作的系統(tǒng)，并且模型預(yù)測(cè)將偏離現(xiàn)實(shí)。然后，現(xiàn)實(shí)樣本和預(yù)測(cè)樣本之間的誤差可以告訴我們基礎(chǔ)系統(tǒng)的條件。

在IoT(物聯(lián)網(wǎng))數(shù)據(jù)中，信號(hào)時(shí)間序列由策略性地位于機(jī)械設(shè)備或組件上或周圍的傳感器產(chǎn)生。時(shí)間序列是變量隨時(shí)間變化的值序列。在這種情況下，變量描述了設(shè)備的機(jī)械特性，并且通過(guò)一個(gè)或多個(gè)傳感器測(cè)量。通常，機(jī)械設(shè)備正常工作。因此，我們?cè)谡l件下工作的設(shè)備有大量樣本，接近零設(shè)備故障示例。特別是如果設(shè)備在機(jī)械鏈中起著關(guān)鍵作用，它通常會(huì)在任何故障發(fā)生之前退役并損害整個(gè)機(jī)器。

因此，我們只能在描述系統(tǒng)按預(yù)期工作的多個(gè)時(shí)間序列上訓(xùn)練機(jī)器學(xué)習(xí)模型。當(dāng)系統(tǒng)正常工作時(shí)，該模型將能夠預(yù)測(cè)時(shí)間序列中的下一個(gè)樣本，因?yàn)檫@是它的訓(xùn)練方式。然后我們計(jì)算預(yù)測(cè)樣本和實(shí)際樣本之間的距離，然后從中得出關(guān)于一切是否按預(yù)期工作或是否有任何理由需要關(guān)注的結(jié)論。