تقدم هذه الورقة إطار عمل للكشف عن الشذوذ عبر الإنترنت لأنظمة السايبر-فيزية المستقلة تدمج التعلم المعزز مع إعادة التدريب البشري في الحلقة للتعامل مع سلوكيات النظام المتطورة.
يستخدم الإطار شبكة Q العمومية المُحللة مع الانتباه الذاتي لاختيار الكواشف المثلى من مجموعة مرشحة بناءً على تبعيات الخدمات المصغرة. ويعتمد مجموعة من ثلاثة كواشف انحراف إحصائي تعطي الأولوية للدقة عن طريق رفع الإنذارات فقط عندما يتفق الجميع. تسمح مخزن الانتقال المعلق واستراتيجية إعادة اللعب ذات الأولوية 60/40 للمشغلين بدمج المعرفة الخبيرة دون نسيان كارثي.
تم تقييمه على منصة اختبار لمركبات متصلة لوقوف السيارات الآلي، حيث حقق الوكيل المعزز بالانتباه درجة F1 تبلغ 0.69، متفوقًا بشكل كبير على الكواشف الفردية التي سجلت بحد أقصى 0.11. بعد انحراف المفهوم الناتج عن تحديث البرنامج، استعاد إعادة التشغيل الذي أطلقه المشغل الأداء إلى 0.65 على التوزيع الجديد مع الحفاظ على 0.69 على التوزيع السابق.