تقدم هذه الورقة إطار عمل للكشف عن الشذوذ عبر الإنترنت لأنظمة السايبر-فيزية المستقلة يدمج التعلم المعزز مع إعادة التدريب البشري في الحلقة للتعامل مع سلوكيات النظام المتطورة.
يستخدم الإطار شبكة Q العمومية المُجزأة مع انتباه ذاتي لاختيار الكاشف الأمثل من مجموعة مرشحة بناءً على التبعيات بين الخدمات. ويستفيد من 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 المؤتمت، حيث حقق الوكيل المعزز بالانتباه درجة F1 تبلغ 0.69، متفوقاً بشكل كبير على الكواشف الفردية التي حققت أقصى درجة 0.11. بعد انخفاض الأداء إلى 0.52 بسبب انحراف المفهوم من تحديث برمجيات، استعاد إعادة التشغيل الذي بدأه المشغلون درجة F1 إلى 0.65 على التوزيع الجديد.