轻量级可解释边缘人工智能框架用于物联网网络异常检测

本研究提出了一种轻量级可解释的边缘人工智能框架，用于物联网网络异常检测。所提出的模型旨在提高在资源受限的边缘设备上的实时检测性能。它将机器学习技术与可解释人工智能方法（如SHAP和LIME）相结合，以增强可解释性和信任度。实验评估显示，与传统的机器学习模型（如SVM和LSTM）相比，准确性得到了提高，延迟减少，效率更佳。该框架适合在需要低延迟和高安全监控的实际物联网环境中部署。