3、异常检测概念：异常类型、异常评分与二分类告警、评估指标

TinyML 传感器异常检测的核心任务，是从连续采集的时序数据中识别出“不正常”的模式。与传统的阈值告警（如温度超过 80°C 就报警）不同，异常检测需要回答三个递进的问题：什么是异常？如何量化异常？如何评估检测得好不好？本章将围绕这三个问题，系统梳理异常的类型划分、评分与告警的差异，以及分类评估指标的计算逻辑与适用场景，为后续调参提供理论基准。

异常类型 评分 vs 告警 评估指标 点异常 单个采样点偏离正常范围 上下文异常 在特定时间/条件下才异常 集体异常 一组数据点联合出现异常 TinyML 常见场景 振动尖峰 → 点异常 夜间温度漂移 → 上下文 连续脉冲序列 → 集体 异常评分 连续值：0~1 或 0~∞ 二分类告警 离散值：正常 / 异常 阈值 θ 的作用 score ≥ θ → 告警 score < θ → 正常 调参核心 θ 决定误报率与漏报率 精确率 Precision 告警中有多少是真异常 召回率 Recall 真实异常有多少被捕获 F1 分数 精确率与召回率的调和平均 AUC 阈值无关的排序能力 调参时需综合权衡

3.1 异常类型：从数据形态到业务语义

3.1.1 核心原理：三类异常的数学定义

在 TinyML 传感器场景中，异常类型决定了特征提取方式与模型选择。根据 Hawkins 的经典定义与时间序列异常检测的扩展，异常可分为三类：

  • 点异常（Point Anomaly）：单个数据点相对于全局分布显著偏离。例如加速度计在平稳运行时突然出现一个 5g 的尖峰，该点本身即为异常。数学上，若 x(t) 满足 |x(t) - μ| > 3σ（μ 为均值，σ 为标准差），则可视为点异常。
  • 上下文异常（Contextual Anomaly）：数据点在全局范围内正常，但在特定上下文（时间、季节、工况）下异常。例如电机在 25°C 环境温度下正常振动幅度为 0.5g，但在 60°C 高温下振动幅度达到 0.5g 则属于异常——因为高温下轴承润滑变差，正常振动应更高。上下文异常必须结合时间戳、环境变量或工况标签判断。
  • 集体异常（Collective Anomaly）：单个数据点正常，但一组连续数据点的联合模式异常。例如振动传感器连续 10 个周期出现幅值递增的脉冲序列，每个脉冲本身在正常范围内，但整体模式表明轴承出现早期点蚀。

3.1.2 判断方法：如何区分三类异常

在实际工程中，可通过以下流程快速分类：

  1. 单点检验：计算每个采样点的 z-score（z = (x - μ) / σ），若 |z| > 3 则标记为候选点异常。
  2. 上下文检验：将数据按工况标签（如温度区间、转速档位）分组，在每组内重新计算 μ 和 σ，再检验单点是否偏离组内分布。
  3. 序列模式检验：对连续窗口（如 128 点）提取特征（峰值、频谱能量、过零率），用滑动窗口检测特征序列是否出现突变或周期性异常。

下表总结了三类异常在 TinyML 传感器中的典型表现与检测策略：

异常类型传感器示例特征表现推荐检测方法
点异常加速度计单轴瞬时尖峰z-score、固定阈值
上下文异常温度+振动特定温度下振动偏高条件归一化、回归残差
集体异常电流传感器连续脉冲序列滑动窗口特征、序列模型

3.1.3 案例拆解：工业泵振动监测

某工厂在离心泵上部署了 TinyML 振动监测节点，采样率 2kHz，每 10 秒上传一次特征。初始阶段使用固定阈值（振动幅值 > 2g 告警），但现场出现两类误报：

  • 误报场景 A：泵启动瞬间产生 3g 的瞬时冲击，持续 50ms，属于正常启动过程，但被判定为点异常。
  • 误报场景 B：泵在低负荷运行时振动幅值 1.2g，高负荷时 1.8g，均属正常。但固定阈值 1.5g 导致高负荷时频繁告警。

分析后发现：场景 A 是点异常但属于“已知正常事件”，场景 B 是上下文异常（负荷为上下文变量）。解决方案：

  1. 对启动过程建立“启动窗口”标记，在启动后 2 秒内禁用告警。
  2. 引入负荷信号（通过电流互感器采集），将振动幅值除以负荷值进行归一化，再计算 z-score。

改进后，误报率从 12 次/天降至 1 次/天，且成功捕获了轴承早期故障（表现为连续 5 个周期的振动递增，属于集体异常）。

常见误区：不要将所有异常都当作点异常处理。在 TinyML 中，上下文异常和集体异常往往需要额外的上下文变量（如温度、转速、负荷）或时序窗口特征，否则模型会因“正常但上下文不符”的数据产生大量误报。

3.2 异常评分与二分类告警：从连续值到决策

3.2.1 核心原理：评分是连续谱，告警是离散决策

异常评分（Anomaly Score）是模型输出的连续值，表示数据点或窗口的“异常程度”。常见评分方式包括：

  • 距离度量：如马氏距离、欧氏距离到正常簇中心的距离。
  • 重构误差：自编码器输入与输出的 MSE（均方误差）。
  • 概率密度：高斯混合模型输出的负对数似然。
  • 隔离森林：路径长度的倒数。

二分类告警则是将评分与阈值 θ 比较，输出“正常（0）”或“异常（1）”。评分与告警的本质区别在于：评分保留了不确定性信息，告警则丢弃了程度信息。例如，评分 0.9 与 0.6 都触发告警，但 0.9 的异常置信度远高于 0.6，这在后续人工复核或自动处置时具有不同意义。

3.2.2 判断方法：阈值选择与告警策略

阈值 θ 的选择直接影响告警的敏感性与特异性。常用方法包括：

  1. 分位数法：在训练集上计算评分的 95% 或 99% 分位数作为 θ。适用于评分分布稳定的场景。
  2. 代价敏感法：定义误报代价 CFP 和漏报代价 CFN，选择使总代价最小的 θ。例如，设备损坏代价远高于误报代价时，应降低 θ 以提高召回率。
  3. 动态阈值：根据时间或工况调整 θ。例如，夜间环境噪声低，可降低 θ；白天环境噪声高，可提高 θ。

下表对比了评分与告警在不同场景下的适用性：

维度异常评分二分类告警
输出形式连续值（0~1 或 0~∞）离散值（0/1）
信息量保留异常程度丢失程度信息
存储开销需存储评分序列仅存储告警事件
调参灵活性可事后调整阈值需重新训练或重设阈值
TinyML 适用性适合边缘端持续监控适合低功耗事件触发

3.2.3 案例拆解：电池温度异常评分调参

某储能系统在电池模组上部署温度传感器，使用自编码器计算重构误差作为异常评分。初始阈值设为 0.05，导致以下问题：

  • 夏季高温时段，正常温度波动较大，重构误差经常超过 0.05，产生大量误报。
  • 冬季低温时段，电池温度变化平缓，早期热失控（温度缓慢上升）的重构误差仅为 0.03，未触发告警。

分析发现：评分分布随环境温度变化而漂移。解决方案：

  1. 将环境温度作为条件变量，训练条件自编码器（输入为电池温度+环境温度）。
  2. 在验证集上绘制不同环境温度区间下的评分分布，分别设定 θ高温=0.08、θ常温=0.05、θ低温=0.03。
  3. 在边缘端部署分段阈值查找表，每 5 分钟根据环境温度切换 θ。

调参后，误报率降低 70%，且成功提前 15 分钟捕获了一次热失控前兆（评分从 0.02 缓慢升至 0.04，超过低温阈值 0.03）。

经验提醒：在 TinyML 中，建议同时输出评分和告警标志。评分用于云端离线分析，告警用于边缘端实时响应。这样既保留了调参灵活性，又满足了低延迟要求。

3.3 评估指标：精确率、召回率、F1 与 AUC

3.3.1 核心原理：混淆矩阵与指标定义

评估异常检测模型需要对比预测结果与真实标签。混淆矩阵定义如下：

  • TP（真阳性）：实际异常，预测异常。
  • FP（假阳性）：实际正常，预测异常（误报）。
  • TN（真阴性）：实际正常，预测正常。
  • FN（假阴性）：实际异常，预测正常（漏报）。

基于混淆矩阵，核心指标为：

  • 精确率（Precision） = TP / (TP + FP)，衡量告警的“纯度”。
  • 召回率（Recall） = TP / (TP + FN)，衡量对异常的“捕获率”。
  • F1 分数 = 2 × (P × R) / (P + R)，精确率与召回率的调和平均，适用于类别不平衡场景。
  • AUC（Area Under ROC Curve）：ROC 曲线下的面积，衡量模型在不同阈值下的排序能力，AUC=0.5 表示随机猜测，AUC=1.0 表示完美排序。

3.3.2 判断方法：如何选择评估指标

指标选择取决于业务目标：

  1. 误报代价高（如频繁误报导致运维人员麻木）：优先优化精确率。
  2. 漏报代价高（如设备损坏或安全事故）：优先优化召回率。
  3. 两者均衡：使用 F1 分数。
  4. 阈值未定：使用 AUC 评估模型本身的排序能力，不依赖具体阈值。

下表展示了不同场景下的指标优先级：

应用场景误报代价漏报代价首选指标
消费电子（如手机跌落检测）低（仅弹窗提示）中（用户可能忽略）召回率
工业设备预测性维护中（停机检查成本）高（设备损坏）F1 或召回率
医疗可穿戴（如跌倒检测）高（占用急救资源）极高（生命危险）召回率为主，精确率辅助
安防入侵检测高（出警成本）高（安全事件）F1 或 AUC

3.3.3 案例拆解：智能门磁异常检测的指标权衡

某智能家居门磁传感器使用 TinyML 检测“非法闯入”与“正常开门”的差异。模型输出异常评分，需设定告警阈值。初始阈值设为 0.5，在测试集（100 个正常事件，20 个异常事件）上得到：TP=15，FP=8，FN=5，TN=92。

计算指标：

  • 精确率 = 15 / (15+8) = 65.2%
  • 召回率 = 15 / (15+5) = 75.0%
  • F1 = 2 × (0.652 × 0.75) / (0.652 + 0.75) = 69.8%

分析发现：8 次误报中有 6 次是“快递员短暂开门后立即关门”，属于正常行为但评分偏高。5 次漏报中有 3 次是“缓慢推门”导致评分偏低。

调参过程：

  1. 将阈值从 0.5 降至 0.4，召回率提升至 85%，但精确率降至 55%。
  2. 引入“开门持续时间”特征：若开门时间 < 3 秒且评分 < 0.6，则判定为正常。该规则将 FP 从 8 降至 3。
  3. 最终阈值 0.45 + 持续时间规则，得到精确率 83.3%，召回率 85%，F1=84.1%。

同时计算 AUC：通过改变阈值绘制 ROC 曲线，AUC=0.91，表明模型排序能力良好，主要问题在于阈值选择而非模型本身。

调参复盘：在 TinyML 异常检测中，AUC 用于评估模型上限，F1 用于评估当前阈值下的综合性能。若 AUC 高但 F1 低，说明阈值选择不当；若 AUC 本身较低，则需要改进特征或模型结构，而非单纯调阈值。

3.3.4 常见误区与总结

  • 误区一：只看准确率（Accuracy）。在异常检测中，异常样本通常占比极低（如 1%），即使全部预测为正常，准确率也有 99%，但模型毫无价值。必须使用精确率、召回率或 F1。
  • 误区二：忽略类别不平衡。TinyML 传感器数据中，正常样本远多于异常样本。训练时需使用加权损失或过采样/欠采样，评估时使用 PR 曲线而非 ROC 曲线（ROC 在极端不平衡下过于乐观）。
  • 误区三：固定阈值不调整。传感器数据分布会随环境、老化、季节变化，阈值应定期用新数据重新校准。
  • 误区四：混淆“评分”与“概率”。自编码器的重构误差不是概率，不能直接与 0.5 比较。需先通过验证集将评分映射到概率或直接使用分位数阈值。

总结：异常检测的评估是一个多目标权衡过程。在 TinyML 资源受限环境下，建议采用“离线 AUC 评估 + 在线 F1 调参”的双层策略：离线阶段用 AUC 筛选模型结构，在线阶段用 F1 调整阈值与规则，最终实现误报与漏报的平衡。

← 上一章 📖 返回目录 下一章 →