11、物联网安全与心电图监测中的异常检测新方法

物联网安全与心电图监测中的异常检测新方法

1. 异常检测的重要性及研究现状

异常检测在生活的各个方面都至关重要，它能帮助我们识别和处理与典型或预期行为的意外偏差，保障安全、提高效率和整体福祉。在医疗保健领域，及时识别心电图（ECG）等医疗数据中的异常模式可以对潜在的危及生命的疾病进行早期干预；在金融领域，检测异常交易有助于预防欺诈和金融风险；在网络安全领域，识别异常行为可以阻止攻击和入侵。

目前，异常或离群值的识别受到了统计学和机器学习（ML）研究领域的广泛关注。在统计学方面，许多工作致力于开发异常检测方法。例如：
- Suman和Prajapati探索了统计过程控制（SPC）和控制图在医疗保健中的应用，发现其从工业制造向患者护理的演变，并指出在医疗保健部门的不同科室和不同国家更广泛部署的必要性。
- Lang引入了一种创新、轻量级且无模型的方法，用于在线检测心电图（ECG）或光电容积脉搏波（PPG）信号中的心脏异常，如异位搏动。该方法利用奇异谱分析（SSA）和基于非参数秩的累积和（CUSUM）控制图，无需识别基准点，比以前基于SSA的方法计算量更小。
- 有研究人员使用控制图快速有效地监测复杂频率信号，便于在关键过程中快速响应和检测异常，并在模拟和ECG数据集上对模型进行了测试。
- Zhou和Kan提出了一种基于传感器的无监督框架，结合了格拉米角差分场（GADF）、多线性主成分分析（MPCA）和控制图（Hotelling T2）用于ECG异常检测。

近年来，随着大型和多样化数据集的可用性增加、机器学习算法的进步以及在各个领域实现更高异常识别准确性的需求，开发用于异常检测的机器学习技术的趋势越来越明显。例如在网络安全、制造业、工业和医疗保