基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测

于天琪; 朱咏絮; 王现斌

doi:10.11959/j.issn.2096-3750.2018.00076

您当前的位置：

首页 >

文章列表页 >

基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测

理论与技术 | 更新时间：2024-06-05

- 基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测
- Autoencoder neural network-based abnormal data detection in edge computing enabled large-scale IoT systems
- 物联网学报 2018年2卷第4期页码：14-21
- 作者机构：
  
  1. 西安大略大学电气与计算机工程学院，安大略伦敦N6A 5B9
  2. 拉夫堡大学沃尔夫森机械、电气与制造工程学院，拉夫伯勒LE11 3TU
- 作者简介：
  
  [ "于天琪（1991-），女，西安大略大学电气与计算机工程学院博士生，主要研究方向为物联网、边缘计算、机器学习、数据分析等。" ]
  [ "朱咏絮（1988-），女，博士，拉夫堡大学研究员，主要研究方向为无线通信性能分析、无线边缘缓存、基于毫米波的无线传输、无人机通信等。" ]
  [ "王现斌（1971-），男，博士，西安大略大学电气与计算机工程学院教授、加拿大工程院院士、IEEE院士，主要研究方向为下一代宽带无线移动通信传输理论、5G、通信安全、定位技术、协同通信、异构网融合、边缘计算等关键技术的理论及标准化研究。" ]
- 基金信息：
- DOI：10.11959/j.issn.2096-3750.2018.00076
  中图分类号： TP319
- 纸质出版日期：2018-12-30，
  
  网络出版日期：2018-12，
- 稿件说明：
移动端阅览
于天琪, 朱咏絮, 王现斌. 基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测[J]. 物联网学报, 2018,2(4):14-21.

TIANQI YU, YONGXU ZHU, XIANBIN WANG. Autoencoder neural network-based abnormal data detection in edge computing enabled large-scale IoT systems. [J]. Chinese journal on internet of things, 2018, 2(4): 14-21.
于天琪, 朱咏絮, 王现斌. 基于边缘计算的物联网监测系统中利用自编码神经网络实现的异常检测[J]. 物联网学报, 2018,2(4):14-21. DOI： 10.11959/j.issn.2096-3750.2018.00076.

TIANQI YU, YONGXU ZHU, XIANBIN WANG. Autoencoder neural network-based abnormal data detection in edge computing enabled large-scale IoT systems. [J]. Chinese journal on internet of things, 2018, 2(4): 14-21. DOI： 10.11959/j.issn.2096-3750.2018.00076.

摘要

物联网以其便于搭建及成本低廉等优点，被广泛地应用于环境监测中。在大规模物联网监测系统中，云平台一直被用作远程的数据和控制中心，然而系统中大量的数据上传和处理给云平台的带宽负载和实时性反馈等方面带来了巨大挑战。因此，提出了基于边缘计算的物联网监测系统框架。边缘计算作为该系统的中间层，能够为终端设备提供实时的本地服务，同时能够通过初步分析分流云平台的计算任务进而降低数据上传量。在此基础上，进一步提出了一种利用自编码神经网络实现的异常检测方法。采用实地采集的海洋气候监测数据进行仿真分析，仿真结果表明，本文提出的基于自编码神经网络的异常检测方法能够充分利用采集数据的空间相关性并准确地检测出异常数据。

Abstract

Given the advantages of low cost and easy deployment

large-scale Internet of things (IoT) has been deployed for environment monitoring pervasively.Within such systems

cloud platform is typically utilized as a remote data and control center.However

tremendous amount of data uploading and processing induce huge challenges on bandwidth load and real-time data gathering.In order to overcome these challenges

edge computing enabled IoT system architecture was proposed for environmental monitoring.As the intermediate layer

local processing could be supported for end devices with low latency and assist with preliminary analysis to offload computational tasks from cloud and the amount of data uploading could be reduced.Based on this system architecture

an autoencoder neural network-based abnormal data detection scheme was developed newly.Performance evaluation has been conducted based on the practical oceanic atmospheric data.Simulation results indicate that the proposed scheme can accurately detect the abnormal data by fully exploiting the spatial data correlation.

关键词

自编码神经网络异常检测边缘计算物联网

Keywords

autoencoder neural networkabnormal data detectionedge computingIoT

references

SHI W, CAO J, ZHANG Q ,et al. Edge computing:vision and challenges[J]. IEEE Internet of Things Journal, 2016,3(5): 637-646.

杨旸, 李凯, 徐海东 ,等. 雾计算赋能机器人同步定位与地图构建[J]. 物联网学报, 2018,2(2): 33-40.

YANG Y, LI K, XU H D ,et al. Fog computing-enabled robot simultaneous localization and mapping[J]. Chinese Journal on Internet of Things, 2018,2(2): 33-40.

ZHANG Y, MERATNIA N, HAVINGA P J M . Outlier detection techniques for wireless sensor networks:a survey[J]. IEEE Communications Surveys and Tutorials, 2010,12(2): 159-170.

BHATIA S K, . Adaptive K-means clustering[C]// AAAI Flairs Conference Menlo Park,CA,USA. 2004: 695-699.

MAHDAVINEJAD M S, REZVAN M, BAREKATAIN M ,et al. Machine learning for Internet of things data analysis:a survey[J]. Digital Communications Networks, 2018,4(3): 161-175.

SEZER O B, DOGDU E, OZBAYOGLU A M . Context-aware computing,learning and big data in Internet of things:a survey[J]. IEEE Internet of Things Journal, 2018,5(1): 1-27.

ZHU Q, SHI B, YANG F ,et al. Task offloading decision in fog computing system[J]. China Communications, 2017,14(11): 59-68.

NOVO O . Blockchain meets IoT:an architecture for scalable access management in IoT[J]. IEEE Internet of Things Journal, 2018,5(2): 1184-1195.

FRUSTACI M, PACE P, ALOI G ,et al. Evaluating critical security issues of the IoT world:present and future challenges[J]. IEEE Internet of Things Journal, 2018,5(4): 2483-2495.

浏览量

1766

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向情感计算的智慧教室系统构建以及优化

基于能量收集技术的协作卸载计算方案

车联网边缘计算场景下基于改进型NSGA-Ⅱ算法的边缘服务器部署决策

认证加密算法SM4-GCM的低成本硬件架构设计与实现

基于STM32的农业物联网病虫害图像识别算法研究