مدل هوش مصنوعی STAND با تنها ۵ نمونه خطا، سیستم‌های پیشرفته تشخیص ناهنجاری را شکست داد

نتایج یک مقاله پژوهشی که برای انتشار در ژورنال تخصصی Information Sciences پذیرفته شده است، نشان می‌دهد که یک مدل یاد‌گیری بانظارت و کم‌حجم می‌تواند از پیشرفته‌ترین سیستم‌های بدون نظارت در تشخیص ناهنجاری‌های سری‌های زمانی پیشی بگیرد. در ارزیابی جامعی که روی ۵ مجموعه‌داده دورسنجی چندمتغیره و ۲۰ روش گوناگون انجام شد، مدل STAND در ۶ معیار سنجش به رتبه اول دست یافت. در مجموعه‌داده‌های PSM و SWaT، تنها ۵ تا ۷ نمونه ثبت‌شده از خرابی کافی بود تا این مدل از رقبای سرسخت بدون نظارت خود سبقت بگیرد؛ سطحی از داده‌های برچسب‌دار که بسیاری از صنایع هم‌اکنون نیز از طریق آلارم‌ها، گزارش حوادث و سوابق تعمیر و نگهداری در اختیار دارند.

مدل STAND از یک شبکه پرسپترون چندلایه (MLP) برای نگاشت داده‌های ورودی، یک شبکه عصبی دوطرفه Bi-LSTM برای درک بستر زمانی و یک لایه خطی برای محاسبه امتیاز ناهنجاری استفاده می‌کند. فرایند آموزش این مدل با تابع آنتروپی متقاطع دوگانه روی برچسب‌های داده‌های عادی و غیرعادی انجام می‌شود. در پیاده‌سازی این سیستم، ساختارهای پیچیده‌ای مانند آموزش خصمانه، بانک‌های حافظه و مکانیزم‌های بازوزن‌دهی نمونه‌ها به‌طور کامل کنار گذاشته شده‌اند.

چرا یاد‌گیری بدون برچسب به راهکار پیش‌فرض تبدیل شد؟

تشخیص ناهنجاری بدون نظارت در داده‌های سری زمانی به این دلیل محبوب و فراگیر شد که نمونه‌های واقعی از خرابی‌ها همواره بسیار نادرند، اعتبارسنجی آن‌ها هزینه سرسام‌آوری دارد و توزیع داده‌ها شدیداً نامتعادل است. این مقاله روش‌های موجود در این حوزه را به دو رویکرد آموزشی کلی تقسیم می‌کند:

• UTAD-I: مدلی که مستقیماً روی جریان داده‌های خام آموزش می‌بیند؛ داده‌هایی که ممکن است خودشان از ابتدا حاوی ناهنجاری باشند.
• UTAD-II: مدلی که منحصراً روی داده‌های استاندارد جمع‌آوری‌شده در شرایط عملکرد کاملاً عادی سیستم آموزش داده می‌شود.

هر دو رویکرد تلاش می‌کنند الگوهای رفتاری وضعیت عادی را از طریق بازسازی داده‌ها، پیش‌بینی، برآورد چگالی یا اهداف مشابه یاد بگیرند؛ در این حالت، هر داده‌ای که با این الگوها همخوانی نداشته باشد، امتیاز ناهنجاری بالاتری دریافت می‌کند و به‌عنوان خطا شناسایی می‌شود.

همان‌طور که در صفحه رسمی پروژه توضیح داده شده است، صنایع مختلف بخش عمده‌ای از برچسب‌های خطا را در سامانه‌های کنترل و نظارت SCADA، گزارش‌های ریشه‌یابی خرابی، تیکت‌های پشتیبانی و سوابق بازرسی در اختیار دارند. اگرچه هماهنگ‌سازی برچسب‌های زمانی با لحظه وقوع خطا هنوز به بررسی انسانی نیاز دارد (به‌ویژه زمانی که هشدارها با کمی تأخیر پس از بروز نقص فنی فعال می‌شوند)، با این حال وجود همین داده‌های ثبت‌شده زحمت برچسب‌گذاری دستی را برای آموزش یک مدل بانظارت به‌شدت کاهش می‌دهد.

این مقاله هم‌چنین مسئله پیچیدگی نمونه‌ها در ابعاد بالا را مورد تحلیل قرار می‌دهد. بر اساس یافته‌های پژوهشگران، روش‌های ناپارامتری تخمین چگالی با افزایش تعداد کانال‌های داده، به تعداد بسیار زیادی از نمونه‌ها نیاز پیدا می‌کنند که رشدی تصاعدی دارد؛ برای نمونه، پایگاه داده WADI دارای ۱۲۲ کانال مختلف از حسگرها و محرک‌ها است. در نقطه مقابل، یاد‌گیری تفکیکی در این مدل جدید به‌شکل چندجمله‌ای با خطای هدف و به‌صورت خطی با ظرفیت مدل مقیاس‌پذیر است؛ ویژگی منحصربه‌فردی که استفاده از نظارت اندک را در سیستم‌های صنعتی و چندبعدی بسیار توجیه‌پذیرتر و جذاب‌تر می‌سازد.