Không chỉ nội suy mà còn phát hiện pipeline khuếch tán nhận biết tác vụ cho phát hiện bất thường biên

Các pipeline biên IIoT thường bị mất các khối dữ liệu đa cảm biến liên tục do mất kết nối mạng và lỗi phần cứng. Cách xử lý tiêu chuẩn là pipeline "impute-then-detect" rời rạc, trong đó bộ nội suy chỉ được huấn luyện cho MSE. Bộ nội suy này điền vào khối bị thiếu bằng mẫu bình thường có khả năng xảy ra nhất: một bất thường quan sát một phần được làm mịn trở lại trạng thái bình thường, và các tạo tác biên trên dữ liệu bình thường gây ra báo động giả. Chúng tôi gọi đây là thiên vị nội suy và đề xuất Task-Aware Diffusion Refiner TADR, một conditional diffusion refiner được huấn luyện dựa trên loss landscape của một detector hạ nguồn đã đóng băng. Vì việc lan truyền ngược qua quỹ đạo lấy mẫu là không khả thi, các thuật ngữ Task-Aware tác động lên ước tính cửa sổ sạch một bước mà dự đoán nhiễu đã cung cấp, do đó chi phí huấn luyện không vượt quá huấn luyện diffusion thông thường. Dưới đánh giá Point-to-Point nghiêm ngặt trên năm seed với các bài kiểm tra ý nghĩa ghép cặp, TADR tăng F1 thêm 0,338 so với detector chưa tinh chỉnh trên SMD (p = 0,0015), và mục tiêu tăng cường bất thường riêng đóng góp 0,463 trong ablation.