СИД: обнаружение сенсоров на обочине посредством прогнозирования последовательности

arXiv: 26009,06271v 1 Annuales Type: Перекрестное резюме: некоторые дешевые запуски датчиков в Интернете (IoT) не имеют аутентификации источника на уровне устройства, что делает их уязвимыми для самовыдачи или инъекционных показаний сенсоров. Мы представляем легкий подход к обнаружению сенсоров, выдающихся из себя в небольшом исследовании. Мы формулируем обнаружение как проблему последовательности. Модель с тремя слоями LSTM и двумя полностью соединенными слоями тренируется только на неизмеримых значениях температуры от подлинного датчика, а окно показаний помечено в том случае, когда его средняя абсолютная ошибка предсказания превышает среднюю реальную ошибку более чем шестью стандартными отклонениями. Модель преобразуется в TensorFlow Lite и развертывается на Arduino Nano 33 BLE в трех вариантах, неколичественных (554 KB), 16-битного веса квантизированного (298,5 КБ) и 8-километрового веса (185 КВ). На контролируемой испытательной площадке с самозванным датчиком, установленным на открытом воздухе в более жарком месте, три варианта достигли точности обнаружения 99.980