Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems
作者: Alexander Apartsin, Yehudit Aperstein
分类: cs.LG
发布日期: 2026-07-07
备注: 13 pages, 1 figure
💡 一句话要点
提出联合潜在聚类模型以解决多模态网络物理系统中的异常检测问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 异常检测 网络物理系统 多模态学习 高斯混合模型 潜在表示 深度学习 故障诊断
📋 核心要点
- 现有方法在网络物理系统中难以有效检测稀少且不具代表性的故障，传统的评估方式也未能有效反映检测器的性能。
- 论文提出了一种基于联合学习潜在表示和高斯混合模式聚类的异常检测方法，旨在更准确地建模正常行为。
- 在三个真实数据集上进行的实验表明，该方法在困难子集上表现优异，超越了多种深度检测器，验证了其有效性。
📝 摘要（中文）
网络物理系统（CPS）中的故障过于稀少且不具代表性，难以进行建模，因此检测必须建模正常行为。本文提出了一种联合学习的潜在表示与显式高斯混合模式聚类的方法，评估采用公平的协议，避免了传统点调整的偏差。通过在三个真实CPS数据集（WADI、HAI、SKAB）上的实验，提出的方法在困难的子集上表现优异，达到了HAI的AUROC 0.831，WADI的0.726和SKAB的0.610，验证了多模态假设的有效性。
🔬 方法详解
问题定义：本文旨在解决网络物理系统中异常检测的挑战，现有方法无法有效处理稀少且不具代表性的故障，导致检测性能不足。
核心思路：提出了一种联合学习的潜在表示与显式高斯混合模式聚类的方法，通过建模正常行为的多模态特性，提升异常检测的准确性。
技术框架：整体架构包括潜在表示学习模块和高斯混合聚类模块，评估采用公平的协议，使用原始点度量而非全局密度或重建残差。
关键创新：最重要的创新在于提出了MIIM假设集和难度分层的公平评估协议，此外，采用潜在分数而非重建分数来提高检测性能。
关键设计：在模型设计中，采用灵活的解码器以忠实重建困难故障，损失函数设计上注重潜在表示的准确性，确保模型能够有效捕捉多模态特征。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的方法在HAI数据集上达到了AUROC 0.831，在WADI和SKAB数据集上分别为0.726和0.610，均优于三种深度检测器（USAD、TranAD、GDN），特别是在困难子集上表现突出，验证了多模态假设的有效性。
🎯 应用场景
该研究的潜在应用领域包括智能制造、交通监控和环境监测等网络物理系统，能够有效提升故障检测的准确性和可靠性，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
Faults on a cyber-physical system (CPS) are too rare and unrepresentative to characterise, or even to select a model on, so detection must instead model normal behaviour; the standard point-adjusted evaluation, however, rewards detectors that never do. CPS normal behaviour is the union of many imbalanced, curved, thin-fringed operating regimes rather than a single blob; we state this structure as ten assumptions (A1-A10), abbreviated Massive, Implicit, Imbalanced Multimodality (MIIM). We model the normal law with a jointly learned latent representation plus explicit Gaussian-mixture mode clustering, scored in the latent rather than by a global density or a reconstruction residual, and evaluate under a deliberately fair protocol: raw point-wise metrics with no point adjustment, a trivial-detector difficulty split, prevalence-matched F1, and train-normal-only calibration. On three real CPS datasets (WADI, HAI, SKAB), the detector wins both the combined column and the difficult correlation/dynamics-fault column on all three, reaching difficult-subset AUROC 0.831 on HAI, 0.726 on WADI, and 0.610 on SKAB. The margin is largest on the two multimodal datasets the MIIM assumptions target and slimmest on the near-unimodal one, tracking multimodality as the thesis predicts, and it holds against three deep detectors (USAD, TranAD, GDN) re-computed with the same raw metrics, all of which collapse on the difficult subset. The methodological contributions are the MIIM assumption set, the difficulty-stratified fair protocol, and a latent-only score that drops reconstruction because a flexible decoder rebuilds the hard faults faithfully.