Monitoraggio Interpretabile di Reti IoT tramite Embedding Neurali su Grafi
Un nuovo articolo di ricerca introduce una pipeline interpretabile per il monitoraggio dei flussi di traffico dell'Internet delle Cose (IoT) utilizzando reti neurali su grafi (GNN). Il lavoro affronta la sfida delle rappresentazioni opache delle GNN generando embedding a bassa dimensionalità e visualizzabili, mappati su una varietà latente. Questa proiezione consente un monitoraggio interpretabile degli stati di rete in evoluzione, mentre tecniche di attribuzione delle caratteristiche decodificano le proprietà che modellano la struttura della varietà. L'approccio mira a migliorare le operazioni critiche per la sicurezza in ecosistemi IoT complessi.
Fatti principali
- L'articolo è pubblicato su arXiv con ID 2602.05817.
- Affronta la complessità e l'eterogeneità delle topologie di rete IoT.
- Gli strumenti di monitoraggio tradizionali non riescono a catturare le relazioni in evoluzione tra i dispositivi.
- Le GNN vengono utilizzate per apprendere da dati relazionali, ma le loro rappresentazioni interne sono opache.
- La pipeline proposta genera rappresentazioni a bassa dimensionalità direttamente visualizzabili.
- Gli embedding ad alta dimensionalità vengono mappati su una varietà latente.
- Tecniche di attribuzione delle caratteristiche decodificano le proprietà che modellano la struttura della varietà.
- Il lavoro consente un monitoraggio interpretabile e l'interoperabilità degli stati di rete.
Entità
Istituzioni
- arXiv