DEM: Framework a Scatola di Vetro per il Rilevamento Interpretabile di Anomalie nelle WBAN

Il Modello di Spiegazione Distillata (DEM) è un nuovo approccio progettato per il rilevamento interpretabile di anomalie nei dati fisiologici dei sensori ottenuti dalle Reti di Area Corporea Senza Fili (WBAN). Le anomalie possono verificarsi a causa di malfunzionamenti dei sensori, problemi di rete o perdita di dati, portando a falsi allarmi. Le tecniche attuali si basano spesso su modelli a scatola nera che privilegiano l'accuratezza rispetto alla trasparenza o utilizzano spiegazioni post-predizione come SHAP e LIME. Al contrario, DEM è un framework a scatola di vetro in tre fasi che traduce la conoscenza da un esperto di gradient boosting in un albero decisionale chiaro basato sui residui di una baseline lineare. Ciò garantisce che la spiegazione sia allineata con la previsione stessa. Inoltre, DEM introduce una metrica unica di fedeltà della distillazione per valutare quanto bene l'albero di spiegazione rifletta gli input non lineari dell'esperto. La ricerca è disponibile su arXiv con ID 2605.31007.