FedVAR: Un framework di apprendimento federato per il riconoscimento di anomalie video
Un nuovo framework chiamato FedVAR è stato sviluppato dai ricercatori per affrontare il problema del disallineamento semantico nel riconoscimento di anomalie video (VAR) tra client edge distribuiti. Questo framework è particolarmente significativo per l'Industrial Internet of Things (IIoT) e i sistemi cyber-fisici (CPS), dove è cruciale mantenere gemelli digitali ad alta fedeltà e garantire la sicurezza in ambienti critici. FedVAR affronta la sfida dell'eterogeneità dei dati tra i client, che comporta rappresentazioni delle caratteristiche diverse per eventi normali e anomali, specialmente con categorie di anomalie a grana fine. I metodi federati attuali si concentrano principalmente sul rilevamento di anomalie binarie e non risolvono questo disallineamento, ostacolando il riconoscimento a grana fine. Utilizzando un metodo debolmente supervisionato per allineare i prototipi tra i client, FedVAR migliora l'accuratezza del riconoscimento delle anomalie. L'articolo è disponibile su arXiv con l'identificatore 2608.06876, classificato come annuncio incrociato.
Fatti principali
- FedVAR è un framework federato allineato ai prototipi per il riconoscimento di anomalie video (VAR).
- Affronta il disallineamento semantico causato dall'eterogeneità dei dati tra i client edge distribuiti.
- Il framework è progettato per ambienti IIoT e CPS, supportando gemelli digitali e sicurezza.
- I metodi federati esistenti si concentrano sul rilevamento di anomalie binarie e falliscono nel riconoscimento a grana fine.
- FedVAR utilizza l'apprendimento debolmente supervisionato per allineare i prototipi tra i client.
- L'articolo è disponibile su arXiv con identificatore 2608.06876.
- Il tipo di annuncio è incrociato.
- Il framework mira a migliorare il riconoscimento di anomalie a grana fine in contesti federati.
Entità
Istituzioni
- arXiv