典型文献
面向多元时序数据的个性化联邦异常检测方法
文献摘要：
随着实时传感器在诸如机场、发电厂、智能工厂和医疗保健系统等各种领域的广泛运用,对多变量时间序列数据的异常检测变得更加重要.然而,目前面临两个关键的挑战.数据机构的敏感数据通常以孤岛的形式存在,这使得在保护隐私安全的前提下难以融合数据,无法训练出高性能的异常检测模型.不同数据机构的数据存在统计异构性,在个性化数据场景下,使用统一的异常检测模型的性能不佳.提出了一种面向多元时序数据的个性化联邦异常检测框架FedPAD(federated personalized anomaly detection).FedPAD基于联邦学习架构,在保护隐私的前提下进行数据聚合,通过微调构建相对个性化的模型.在NASA航天器数据集上的实验表明,FedPAD能够实现准确和个性化的异常检测,相比于基准方法F1分数平均提高了6.9％.
文献关键词：
多元时序数据;异常检测;联邦学习;个性化
中图分类号：
作者姓名：
王昊天;郑栋毅;刘芳;肖侬
作者机构：
国防科技大学,长沙 410073;湖南大学,长沙 410006
文献出处：
引用格式：
[1]王昊天;郑栋毅;刘芳;肖侬-.面向多元时序数据的个性化联邦异常检测方法)[J].计算机工程与应用,2022(11):60-65
A类：
FedPAD,航天器数据集
B类：
多元时序数据,异常检测方法,着实,发电厂,智能工厂,医疗保健,多变量时间序列,时间序列数据,数据机,敏感数据,数据通,常以,孤岛,保护隐私,隐私安全,融合数据,练出,检测模型,异构性,数据场,检测框架,federated,personalized,anomaly,detection,联邦学习,学习架构,数据聚合,微调,NASA,基准方法
AB值：
0.355066
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
