移动群智感知组异常行为检测研究

In the mobile crowdsensing applications, users use their mobile smart terminals to collect data and collaborate to fulfill the sensing task. This method has a low cost, but suffers from the anomalous behaviors of malicious users. At present, the main anomaly detection methods are based on single-view machine learning and aim to detect the single-point anomaly. However, the data in mobile crowdsensing are collected under multiple views and the anomaly behaviors occur concurrently. As a result, the existing anomaly detection methods are not applicable to mobile crowdsensing. This motivates us to introduce the multi-view machine learning to detect the group anomaly for mobile crowdsensing. This project focuses on the issues of how to select the features, how to identify the group structures of user data and how to design a classifier. To correctly detect the anomaly, this project proposes some mathematical models, and develops a feature selection algorithm, a user group discovery mechanism and a multi-objective classification design method. This project will pave the way for the wide applications of mobile crowdsensing.

移动群智感知应用基于移动智能终端采集数据并引导用户协作完成复杂的感知任务。这一新颖的感知方式虽成本低廉，却易受到少数恶意用户异常行为的影响而导致失败。目前，网络异常检测的主流方法以单视角机器学习为理论基础，旨在识别出单点异常。然而，移动群智感知系统中的数据通常是在多个视角下观测得到的，而且其异常行为往往成群并发出现，这使得现有的异常检测理论不再适用。为此，本项目拟引入多视角机器学习研究移动群智感知应用中“组异常”行为的检测理论。项目针对“如何挑选多视角特征”，“如何发现用户数据的分组结构”以及“如何设计分类器”三个问题，建立相应的数学模型，提出特征选择算法、用户组发现机制和多目标分类器设计方法，以实现异常行为的准确检测，并为移动群智感知应用的健康发展肃清障碍。

异常检测是找出行为明显不同于其他对象的过程，在很多行业都有广阔的应用前景。本项目基于博弈论和机器学习等理论工具，以移动群智感知为主要应用场景，研究组异常检测的新理论和新方法。项目的主要研究内容包括多视角机器学习算法，用户组发现机制，分类器优化设计理论，以及异常检测理论与方法在特定行业领域的应用。截至2019年年底，项目组已在中科院一区/二区期刊上发表SCI论文7篇，在国际会议上发表论文2篇，且有多篇论文处于审稿之中，圆满地完成了项目的研究任务。项目组所取得的代表性研究成果简述如下。首先，项目组提出了一种基于局部近邻对齐的多视角学习算法，解决了数据维度过高的问题，为利用多视角特征进行异常检测创造了条件。其次，以博弈论为理论基础，项目组提出了一种用户组发现机制，为组异常检测提供了依据。最后，项目组还引入宽度学习理论，将之应用于轻量级分类器(或异常检测模型)设计，并在Android恶意软件（即异常APP）检测系统中成功应用，其检测性能超越了传统分类器（如SVM，AdaBoost和DT等），并接近于深度学习模型（如MLP和CNN）。项目所取得的成果对多视角机器学习，博弈理论应用和异常检测等多个不同领域的研究具有一定的积极意义和推动作用。此外，项目组所提出的理论和方法也有望在异常检测相关领域（如工业在线检测）进行成功应用。