7、物联网中的智能弹性与数据处理策略

物联网中的智能弹性与数据处理策略

1. 物联网异常检测概述

在物联网（IoT）系统中，异常检测至关重要。例如，外部分类（机器学习）程序在检测到异常流量状况时会发出警报，这些警报会提供给数据聚合和数据分析模块。智能冰箱系统的异常检测建模方式与之类似，而铁路道口则需要更复杂的模型，该模型要反映不同传感器的种类和分布，以及改变道口闸门和信号灯状态所涉及的物理驱动。

异常检测可以集成到控制器中，但为不同的系统元素配备各自的异常检测和恢复系统也有好处。

2. 验证、测试与异常检测

• 模型验证目的 ：模型验证旨在确定模拟模型是否能充分代表被建模的系统，充分性取决于模型的目的。正式的SDL + 模型通常是为了生成代码，使其在实时嵌入式系统中正确运行。
• SDL + 验证与测试 ：在SDL + 方法中，正式的SDL + 定义需要进行验证和测试，以纠正规范中的错误和遗漏。验证和测试使用相似的测试用例，但验证是将SDL + 模型与分析得出的分类需求和概念进行比较，而测试是将SDL + 规范与可执行实现进行比较。
• 验证过程 ：验证包括检查SDL + 描述的语法和语义一致性，以及检查提议的系统是否满足需求。通常通过在不同环境上下文中执行SDL + 描述来验证其是否符合需求，环境条件用TTCN - 3、MSC或SDL - 2010指定的事件组合表示。验证借助自动化工具支持，还能提取用于异常检测的训练数据。

以下是验证和测试的流程：