本論文は、自律型サイバー物理システムのためのオンライン異常検出フレームワークを提示し、進化しつつあるシステム挙動に対処するために、人間在ループ再トレーニングと強化学習を統合している。
このフレームワークは、マイクロサービス依存関係に基づいて候補プールから最適な検出器を選択するために、自己注意機構付きの因子化深層Qネットワークを利用する。すべての検出器が合致した場合のみアラームを発生させることで精度を優先する3つの統計的ドリフト検出器のアンサンブルを採用している。保留中の遷移バッファと60/40の優先リプレイ戦略により、演算者は壊滅的忘却なしで専門知識を取り込むことができる。
自動パーキングのためのコネクテッド・ビークル試験設備で評価したところ、注意機構を強化したエージェントはF1スコア0.69を達成し、最高でも0.11の単一検出器を大幅に上回った。ソフトウェア更新による概念ドリフトの後、演算者によるトリガー再トレーニングにより、以前の分布での0.69を維持しつつ、新しい分布でのパフォーマンスを0.65まで回復させた。