Anomaly Detection

Lesezeichen - Replicable Machine Learning Workflow for Energy Forecasting (NETSYS 2023)

Der Beitrag “Replicable Machine Learning Workflow for Energy Forecasting” von Stepan Gagin et al. stellt einen wiederholbaren Machine-Learning-Workflow für die Energieprognose vor. Dieser Workflow ermöglicht die Integration von Prognosefunktionen in Energie-Management-Systeme (EMSs) ohne spezielle Kenntnisse im Bereich Machine Learning. Der Workflow ist so gestaltet, dass er für verschiedene Messungen und an mehreren Standorten im Energiesektor eingesetzt werden kann. Er umfasst mehrere Schritte, darunter Datenvorverarbeitung, Datenexploration, Modelltraining, Modellinferenz und Anomalieerkennung. Ziel ist es, die Prognoseleistung zu verbessern und gleichzeitig die Ressourcen für das Modelltraining effizient zu nutzen....

Lesezeichen - XAI-Based Accurate Anomaly Detector That Is Robust Against Black-Box Evasion Attacks for the Smart Grid (2024)

Der Artikel von Elgarhy et al. beschäftigt sich mit der Entwicklung eines hybriden Anomalie-Detektors für intelligente Stromnetze, der Deep Auto-Encoder (DAE) und One-Class Support Vector Machine (OCSVM) kombiniert. Ziel ist es, Stromdiebstahl effizient zu erkennen und sich gegen Black-Box-Evasion-Angriffe zu verteidigen. Durch die Nutzung von erklärbarer künstlicher Intelligenz (XAI) mit SHAP wird der Entscheidungsprozess transparent und die Klassifikationsleistung gesteigert. Experimente belegen die überlegene Leistungsfähigkeit des Detektors in Bezug auf Erkennungsgenauigkeit und Widerstandsfähigkeit....