26、构建物联网应用的鲁棒离群值检测器

构建物联网应用的鲁棒离群值检测器

1. 引言

物联网（IoT）设想了无处不在的设备和传感器，它们收集环境参数并将其传输到附近的设备（如手机）或集中单元（如边缘和云）进行处理。在集中单元，对数据进行分析和处理，以提取有用信息并助力高效的物联网应用。例如，城市中安装的传感器、环形检测器和摄像头收集交通信息，处理后的信息有助于做出更好的出行决策或进行交通管理。同样，大量基于物联网的应用为互联社区提供智能服务，如智能交通系统、智能家居自动化或智能电网。

通常，从传感器收集的数据具有时间序列模式，呈现周期性行为并遵循特定趋势。例如，测量心电图信号的健康监测传感器收集周期性模式；路边交通数据具有按天、周和季节划分的周期性行为；家庭用电量也有特定的每日和季节性趋势。这些时间序列数据被各种物联网应用用于做出最优决策。然而，数据中的模式是非确定性的，受内生或外生因素影响，因此异常值在时间序列数据中很常见。频繁出现的异常值会因数据质量差而降低应用智能和自动决策的有效性。

时间序列数据中的异常可能由多种因素引起：
- 外部条件变化 ：例如，城市中的某些事件可能影响特定位置的交通拥堵和交通计数；人的心跳与平均值的差异可能是由于身体活动或健康状况。
- 传感器质量问题 ：传感器可能校准不佳，从而发送错误信息；传感器质量下降可能是由于物理篡改。如果大量传感器受损，可能影响应用的数据分析决策。
- 数据伪造攻击 ：攻击者可能故意改变数据值，绕过加密安全机制。攻击者可能巧妙地攻击空间和时间上相关的传感器，以影响数据质量，同时保持数据的统计属性（如均值、众数或中位数）不变