【CI】基于轻量级联合学习的工业控制时间序列数据异常检测系统
随着工业物联网（IloT）的出现，智能制造系统的潜在威胁变得越来越具有挑战性，对生产运营和重要工业设备，甚至敏感信息造成严重损害。因此，在应该持续运行的工业控制系统中检测时间序列数据的不规则性是至关重要的，可以确保安全性并最大限度地降低维护成本。在这项研究中，通过联邦学习、自动编码器、变压器和傅里叶混合子层的混合设计，我们提出了一种鲁棒的分布式异常检测架构，该架构在IOS环境中比几种最新的异常检测解决方案更准确，同时在分钟时间尺度内快速学习。这种分布式架构也被证明具有重量轻、占用CPU和内存少、带宽消耗方面的通信成本低的特点，这使得在计算能力有限的边缘设备上部署成为可能。
