在知识图谱中表示时态自动机和网络物理生产系统的时间异常
摘要：基于模型的异常检测已经成为一种成功的方法，用于识别网络物理生产系统的预期行为的偏差。由于手动创建这些模型是一项耗时的过程，因此从数据中学习并用时态自动机等通用形式表示它们是有优势的。然而，由于缺乏关于系统的其他信息，这些模型(以及检测到的异常)可能难以解释。本文旨在通过将学习到的时态自动机与关于系统的形式知识图谱相结合，改进CPPS的基于模型的异常检测。模型和检测到的异常都在知识图谱中描述，以便让运营商更容易解释模型和检测到的异常。作者此外还提出了必要概念的本体论。该方法在一个五罐混合CPPS上进行了验证，并且能够形式化定义自动机模型以及自动机执行的时间异常。
作者：Tom Westermann, Milapji Singh Gill, Alexander Fay
论文ID：2308.13433
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-28