EvoPhySec:面向智慧城市物联网网络中物理信息异常检测自适应校准的多目标进化框架

《Big Data and Cognitive Computing》:EvoPhySec: A Multi-Objective Evolutionary Framework for Adaptive Calibration of Physics-Informed Anomaly Detection in Smart City IoT Networks

【字体: 大 中 小 】 时间:2026年08月27日 来源:Big Data and Cognitive Computing 5.3

编辑推荐:

  智慧城市物联网(IoT)网关上的物理信息异常检测器面临静态校准无法解决的冲突:更高的检测精度(F1)会以推理延迟和边缘能耗为代价,且权衡关系在不同城市传感器域间存在差异。PhySec-Edge曾证明混合物理信息边缘AI检测在工业IoT中可行,但其校准是静态的,

  
智慧城市物联网(IoT)网关上的物理信息异常检测器面临静态校准无法解决的冲突:更高的检测精度(F1)会以推理延迟和边缘能耗为代价,且权衡关系在不同城市传感器域间存在差异。PhySec-Edge曾证明混合物理信息边缘AI检测在工业IoT中可行,但其校准是静态的,迁移到具有不同物理约束的智慧城市垂直领域后性能退化。针对该问题,EvoPhySec引入多目标进化校准层,在精度、延迟、能耗三重约束下使PhySec-Edge适配五类异构智慧城市垂直领域。研究人员将物理验证引擎(PVE)阈值、边缘AI检测引擎(EADE)集成权重与决策规则参数统一建模为三目标优化问题,采用NSGA-III结合物理约束保持算子(PCPO)求解,在搜索过程中维持候选解的物理可行性。在合成多域智慧城市数据集(n=47250,五垂直域,十一攻击类,五种随机种子)及BATADAL与CIC-IoT2023启发基准上评估,EvoPhySec在34.2 ms延迟、0.71 W边缘功耗下取得均值F1=0.847±0.004,三目标上帕累托支配静态基线;消融实验显示PCPO相较无约束NSGA-III贡献+0.031 HVI;跨域迁移分析识别出可迁移三垂直簇,并确认关键基础设施需域特定校准。结果基于合成数据演示,真实多垂直验证留待未来工作。
研究背景方面,智慧城市跨环境监控、智能交通、关键基础设施、公共安全、智能建筑等多操作域集成物联网感知,各域物理过程约束、正常统计特性与精度-延迟-功耗权衡均异质。纯AI异常检测易受"统计正常但违物理定律"的对抗样本欺骗;PhySec-Edge以PVE与EADE残差共享混合架构在工业水处理场景取得F1=0.798±0.003,但其PVE硬/软阈值(4.0σ/2.5σ)、EADE均匀权重(0.25)及决策阈值为人工固定校准,跨域迁移退化,阈值校准被原作者列为开放问题。静态单点校准无法同时优化精度、延迟、能耗三冲突目标,帕累托前沿与非支配解概念及多目标进化算法成为自然选择。
研究人员开展的研究为:将PhySec-Edge九参数校准空间(θ_hard、θ_soft、w1~w4、θH、θL、p)形式化为三目标(F1、延迟、能耗)优化,提出EvoPhySec框架,离线阶段以NSGA-III(种群100、代200、SBX η_c=20 p_c=0.9、多项式变异η_m=20 p_m=1/9、种子42/7/13/99/2024)配合PCPO在交叉变异后修复物理不可行解,在线阶段从所得帕累托前沿P(v)按延迟约束/能耗约束/加权膝点选运营点θ。PCPO编码每域物理可行性约束Ck(如θ_soft< />i非负且归一、交通域环检-雷达跨传感器阈值差≤0.8σ、水利域水力守恒收紧θ_hard等),以最小扰动修复,至多3轮,兜底回退域默认,单次修复开销<0.3 ms。样本队列来源为合成五垂直域数据集(每域8380正常样本+十一攻击类共5350,总计n=47250,时间切分防泄漏,60%训练/20%验证/20%测试,五种子),外部基准用BATADAL(C-Town配水SCADA七场景)与CIC-IoT2023启发的七攻击类伪传感器子集(5000正常)。
主要关键技术方法概括:研究人员采用NSGA-III多目标进化算法在九维校准空间搜索,以物理约束保持算子(PCPO)作为交叉变异后的修复机制强制域物理可行性;目标函数定义为F1最大化、推理延迟最小化、边缘功耗最小化,以超体积指标(HVI)为前沿质量度量(参考点r=(1.0,100.0 ms,2.0 W));基线对照含静态PhySec-Edge、随机搜索、贝叶斯单目标、NSGA-II、无PCPO NSGA-III;消融分A(静态)B(NSGA-III无PCPO)C(NSGA-III+PCPO固定权重)D(全量EvoPhySec)四配置;跨域迁移以ΔHVI量化。
研究结果部分,6.1整体检测性能中,EvoPhySec均值F1=0.847±0.004,较静态+0.049,延迟34.2 ms(静态48.1 ms超40 ms预算),贝叶斯单目标F1略低且43.7 ms超预算0.91 W,EvoPhySec三目标帕累托支配。6.2帕累托前沿质量中,EvoPhySec HVI=0.589±0.013,PCPO贡献+0.031(Wilcoxon p<0.01),NSGA-III比NSGA-II前沿覆盖更优(Spread 0.481对0.621),Kruskal-Wallis与Dunn检验确认差异显著且效应量大。6.3消融研究中,B→D隔离PCPO得ΔHVI=+0.031(同九参空间唯差PCPO),B→C固定权重下PCPO仍+0.013,联合校准超加性证实阈值与集成权重校准正交。6.4分垂直分析中,交通+0.052、公共安全+0.051增益最大,基础设施受水力约束C6/C7收紧θ_hard 0.4σ捕获流量操纵攻击,交通C4跨传感器一致性抑制幽灵车辆注入。6.5跨域迁移分析中,环境-交通-公共安全构成高迁移簇(ΔHVI≤0.031,阈值取PCPO自身贡献量),智能建筑部分归属,关键基础设施双向迁移最差(最大0.049/0.047),因水力守恒约束唯一。6.6分攻击类中,协同伪造+6.3%、幽灵车辆+7.3%、APT慢漂+5.8%增益最高,硬物理违规类仅+2.1~2.7%。6.7外部基准中,BATADAL零样本F1=0.803(静态0.741),高于通用监督混合集成0.721低于专用图注意力0.979;CIC-IoT2023启发集F1=0.774(静态0.731)。6.8网关硬件验证中,Raspberry Pi 5上EvoPhySec 34.2±2.5 ms满足L_max=40 ms,静态48.1±2.1 ms不满足;延迟省出来自w4=0.12(静态0.25)使随机平滑蒙特卡洛样本数由200降至96,直接砍掉对抗鲁棒滤波22.4→9.3 ms开销。
讨论部分总结:研究人员指出EvoPhySec为受控合成环境下的理论概念验证,域物理参数(σ_v、Δ_max_v、约束界)须由现场标定提供,软件功耗模型与Raspberry Pi 5基准不能替代站点实测;PCPO约束需领域专家指定,自动从过程模型抽取是扩展方向;概念漂移(季节±5~15σ_nominal、管网改造、传感器月漂0.1~0.3σ)需在线再校准,触发条件为验证HVI跌>0.020、季度切换、拓扑变更;6G切片联合优化、跨硬件功耗重标定、联邦多站帕累托聚合(异质感知/拜占庭鲁棒/近端正则)列未来工作。
结论部分翻译:EvoPhySec解决了PhySec-Edge遗留的开放校准问题——在精度、延迟、能耗同时约束下使物理信息异常检测架构适配异构智慧城市垂直域。框架将问题形式化为三目标优化并以NSGA-III+PCPO求解,PCPO在进化搜索中强制执行域物理可行性。三项发现:域自适应进化校准较人工固定校准跨五域平均+0.049 F1且无架构改动;PCPO较无约束多目标优化+0.031 HVI,物理一致性约束改善整个帕累托前沿;跨域迁移分析给出可操作结论——行为型传感器簇(环境/交通/公共安全)内校准可迁移,关键基础设施须专属校准投资,根植于水力守恒约束物理唯一性。BATADAL零样本F1=0.803(静态0.741)证非过拟合合成数据。主线未来为概念漂移下在线进化再校准与新垂直自动PCPO约束学习。成果基于合成多域数据,真实多垂直物理部署验证为主要下一步,EvoPhySec在《Big Data and Cognitive Computing》发表时定位为理论概念验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号