实体
SWaT dataset
SWaT dataset
PulseAugur coverage of SWaT dataset — every cluster mentioning SWaT dataset across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的ASTRO框架使用强化学习和图神经网络进行网络物理异常检测
研究人员开发了ASTRO，一个用于网络物理系统的新型异常检测框架，该框架利用强化学习和图神经网络。ASTRO通过整合深度Q网络、图神经网络、时序建模和注意力机制来捕获时空依赖性，从而动态优化决策边界。该框架在真实工业数据集上表现强劲，在SWaT数据集上达到了0.990的F1分数，在WADI数据集上比现有方法提高了近14%。
-
TinyDL模型检测工业水处理中的逻辑异常
研究人员开发了一种名为Ti-iLSTM的新型轻量级异常检测模型，专为资源受限的工业控制系统设计。这种Tiny Deep Learning (TinyDL)方法优化了长短期记忆（LSTM）网络，以识别工业水处理系统中的逻辑层欺骗异常。在SWaT数据集上的实验表明，该模型具有很高的检测性能，F1分数达到0.983，ROC-AUC达到0.998，并在WADI数据集上的验证证实了其跨不同数据集的适用性。