分层异常检测框架

F1高达0.856

提出THREADS，通过变分自编码器与Transformer判别器协同工作，实现IIoT中高效且鲁棒的异常检测。

Yao, Muyan · Tao, Dan · 高睿鹏 · Peng, Qi

IEEE Transactions on Industrial Informatics 2024

参数信息

平均F1分数

0.8537

F1分数（云端模式）

0.8563

内存使用降低

29 %

CPU使用降低

88 %

技术优势

边缘也能跑

实例线程采用高效变分自编码器，将大部分工作负载卸载到MEC服务器，提供即时反馈。

低置信再查

影子线程用Transformer判别器在云端检查低置信度结果，提升检测可靠性。

内存省三成

与现有方法相比，随机存取内存使用量降低高达29%。

CPU省八成

CPU使用率降低高达88%，大幅降低计算资源消耗。

应用场景

• 工业物联网异常检测：直接部署在MEC服务器上，实时检测工业设备异常，无需依赖云端。
• 传感器数据监控：利用变分自编码器高效处理传感器数据流，即时反馈异常。
• 边缘计算：将检测负载卸载到边缘节点，减少延迟并节省云资源。
• 模型压缩与加速：实例线程轻量化设计，在边缘端以低CPU和内存占用运行。
• 工业设备预测性维护：通过异常检测提前发现设备故障征兆，支持预测性维护。