論文の概要: Localizing Anomalies in Critical Infrastructure using Model-Based Drift
Explanations
- arxiv url: http://arxiv.org/abs/2310.15830v2
- Date: Wed, 7 Feb 2024 13:50:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 19:45:05.885099
- Title: Localizing Anomalies in Critical Infrastructure using Model-Based Drift
Explanations
- Title(参考訳): モデルに基づくドリフト記述を用いた臨界インフラ内の異常位置推定
- Authors: Valerie Vaquet and Fabian Hinder and Jonas Vaquet and Kathrin Lammers
and Lars Quakernack and Barbara Hammer
- Abstract要約: ベイジアンネットワークを用いたネットワークをモデル化し,異常が重要なインフラシステムの力学に与える影響を解析する。
特に、モデルに基づく概念ドリフトの説明は異常の局所化に有望なツールであると主張する。
本手法がより一般的に重要なインフラに適用可能であることを示すために,本手法が電力系統におけるセンサ故障の局所化に有効であることを示す。
- 参考スコア(独自算出の注目度): 5.319765271848658
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Facing climate change, the already limited availability of drinking water
will decrease in the future rendering drinking water an increasingly scarce
resource. Considerable amounts of it are lost through leakages in water
transportation and distribution networks. Thus, anomaly detection and
localization, in particular for leakages, are crucial but challenging tasks due
to the complex interactions and changing demands in water distribution
networks. In this work, we analyze the effects of anomalies on the dynamics of
critical infrastructure systems by modeling the networks employing Bayesian
networks. We then discuss how the problem is connected to and can be considered
through the lens of concept drift. In particular, we argue that model-based
explanations of concept drift are a promising tool for localizing anomalies
given limited information about the network. The methodology is experimentally
evaluated using realistic benchmark scenarios. To showcase that our methodology
applies to critical infrastructure more generally, in addition to considering
leakages and sensor faults in water systems, we showcase the suitability of the
derived technique to localize sensor faults in power systems.
- Abstract(参考訳): 気候変動に直面すると、すでに限定された飲料水の利用量は今後減少し、飲料水はますます希少な資源となる。
相当量の水は、水運と流通網の漏れによって失われる。
したがって、異常検出と局所化は、特に漏洩には不可欠であるが、複雑な相互作用と水分配網の要求の変化により困難である。
本研究では,ベイズネットワークを用いたネットワークのモデル化により,重要なインフラシステムのダイナミクスに及ぼす異常の影響を分析する。
次に,問題がどのように接続されているかを説明し,概念ドリフトのレンズを通して考察する。
特に,概念ドリフトのモデルに基づく説明は,ネットワークに関する限られた情報から異常を局所化するための有望なツールであると主張する。
この手法は現実的なベンチマークシナリオを用いて実験的に評価される。
本手法は,水系における漏洩やセンサ障害を考慮し,より一般的に重要なインフラに適用できることを示すため,電力系統におけるセンサ障害を局所化するための導出手法の適用性を示す。
関連論文リスト
- Predicting Cascading Failures with a Hyperparametric Diffusion Model [66.89499978864741]
拡散モデルのレンズによる電力グリッドのカスケード故障について検討する。
我々のモデルは、バイラル拡散原理と物理に基づく概念を統合する。
この拡散モデルはカスケード故障の痕跡から学習可能であることを示す。
論文 参考訳(メタデータ) (2024-06-12T02:34:24Z) - Investigating the Suitability of Concept Drift Detection for Detecting
Leakages in Water Distribution Networks [7.0072935721154614]
漏れは、水の損失と汚染リスクの増加を引き起こすため、水分配ネットワークにおいて大きなリスクである。
水分配網の複雑な力学のために漏れ検知は難しい課題である。
機械学習の観点からは、リークはコンセプトドリフトとしてモデル化できる。
論文 参考訳(メタデータ) (2024-01-03T13:12:04Z) - TransGlow: Attention-augmented Transduction model based on Graph Neural
Networks for Water Flow Forecasting [4.915744683251151]
水量の水量予測は、水管理、洪水予測、洪水制御など様々な用途に有用である。
本稿では,GCRN(Graph Convolution Recurrent Neural Network)エンコーダデコーダの隠れ状態を増大させる時間予測モデルを提案する。
本稿では,河川,河川,湖上のカナダステーションのネットワークから,新たな水流のベンチマークデータセットを提案する。
論文 参考訳(メタデータ) (2023-12-10T18:23:40Z) - A Bayesian Approach to Reconstructing Interdependent Infrastructure
Networks from Cascading Failures [2.9364290037516496]
ネットワーク相互依存を理解することは、カスケード障害を予測し、破壊を計画するために不可欠である。
個々のネットワークのトポロジに関するデータは、プライバシやセキュリティ上の懸念から、一般には利用できないことが多い。
本稿では,相互依存型インフラストラクチャネットワークのトポロジを再構築するスケーラブルな非パラメトリックベイズ手法を提案する。
論文 参考訳(メタデータ) (2022-11-28T17:45:41Z) - Change Detection for Local Explainability in Evolving Data Streams [72.4816340552763]
局所的特徴帰属法はポストホックやモデルに依存しない説明法として人気がある。
ローカルな属性が、ストリーミングやオンラインアプリケーションのような、現実的で絶えず変化する設定でどのように振る舞うかは、しばしば不明である。
局所変化と概念ドリフトを検出するフレキシブルでモデルに依存しないCDLEEDSを提案する。
論文 参考訳(メタデータ) (2022-09-06T18:38:34Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:19:25Z) - SAM-kNN Regressor for Online Learning in Water Distribution Networks [6.125017875330933]
水道網は、住宅や産業のための近代的なインフラの重要な構成要素である。
常に作業ネットワークを保証するため、給水会社はネットワークを継続的に監視する。
本稿では,残差に基づく異常検出システムを構築するために,インクリメンタルSAM-kNN分類器の適用を提案する。
論文 参考訳(メタデータ) (2022-04-04T12:40:05Z) - Underwater Acoustic Networks for Security Risk Assessment in Public
Drinking Water Reservoirs [5.227907960942717]
我々は、水中イベントを検出し、分類し、ローカライズするための革新的なAIベースのアプローチを実装している。
貯水池におけるハイドロフォンネットワークの設置と利用の課題について論じる。
論文 参考訳(メタデータ) (2021-07-29T14:02:51Z) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳(メタデータ) (2020-10-15T14:12:26Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳(メタデータ) (2020-07-02T19:08:36Z) - Deep Collaborative Embedding for information cascade prediction [58.90540495232209]
本稿では,情報カスケード予測のためのDeep Collaborative Embedding (DCE) と呼ばれる新しいモデルを提案する。
本稿では, 自動エンコーダを用いた協調埋め込みフレームワークを提案し, カスケード協調とノード協調によるノード埋め込みを学習する。
実世界のデータセットで行った大規模な実験の結果、我々のアプローチの有効性が検証された。
論文 参考訳(メタデータ) (2020-01-18T13:32:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。