Resumen

En el contexto de la detección de anomalías en sistemas ciberfísicos (CPS), las correlaciones espacio-temporales son cruciales para lograr una alta tasa de detección. Este trabajo presenta una nueva formulación de máquina de vectores de soporte de cuarto de esfera (QS-SVM) basada en el novedoso concepto de correlaciones de atributos. Nuestro enfoque de detección de eventos, SensGru, agrupa múltiples sensores en un único nodo y elimina así la comunicación entre nodos sensores sin comprometer las ventajas de la correlación espacial. Utiliza correlaciones temporales-atributo (TA) y es, por tanto, una formulación TA-QS-SVM. Demostramos analíticamente que SensGru (o, indistintamente, TA-QS-SVM) reduce la densidad de nodos y ofrece el mismo rendimiento en la detección de eventos que la formulación más densa de SVM de cuarto de esfera espaciotemporal-atributo (STA-QS-SVM), que explota tanto las correlaciones espaciotemporales como las de atributos. Además, este artículo desarrolla límites teóricos sobre la distancia entre nodos, el número óptimo de sensores y el rango de detección con SensGru, de modo que la diferencia de rendimiento con SensGru y STA-QS-SVM es insignificantemente pequeña. Ambos esquemas alcanzan tasas de detección de eventos de hasta el 100 y una tasa de falsos positivos extremadamente baja.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:svm, sensgru, baja tasa de falsos positivos, nueva máquina de vectores soporte de esfera trimestral, mismo rendimiento de detección de eventos, sistemas ciberfísicos, enfoque de detección de eventos, tasas de detección de eventos, alta tasa de detección, sta
• Keywords:svm, sensgru, low false positive rate, new quarter sphere support vector machine, same event detection performance, cyber physical systems, event detection approach, event detection rates, high detection rate, sta