Интеллектуальное обнаружение аномалий в сенсорных системах: многоперспективный обзор

Обнаружение аномалий направлено на выявление закономерностей в данных, которые существенно отклоняются от ожидаемого поведения. Это важная исследовательская задача, имеющая широкий спектр применений — от анализа данных до электронного здравоохранения, кибербезопасности, прогнозного технического обслуживания, предотвращения отказов и промышленной автоматизации. В настоящей работе рассматриваются современные методы, применяемые для обнаружения аномалий в сенсорных системах, которые создают значительные трудности с точки зрения объединения информации, объемов и скорости обработки данных, а также эффективности использования сетевых ресурсов и энергии; перечислены лишь наиболее актуальные из них. В этом контексте обнаружение аномалий представляет собой особенно сложную задачу, поскольку в условиях ограниченных ресурсов необходимо находить компромиссы между вычислительными затратами, энергопотреблением и точностью. Методы классифицируются от традиционных подходов (статистические методы, анализ временных рядов, обработка сигналов и т. д.) до методов, основанных на данных (обучение с учителем, обучение с подкреплением, глубокое обучение и т. д.). Также рассматривается влияние различных архитектурных сред (облако, туман, периферия) на экосистему датчиков. Обзор указывает на наиболее перспективные методы интеллектуального зондирования и выделяет ряд важных нерешенных вопросов и проблем.