HauntScope: Makine Öğrenmesi ile Anormal Sensör Okumalarını Keşfet

HauntScope, makine öğrenmesi modellerinin ne zaman alarm verdiğini, ne zaman sessiz kaldığını ve neden yanlış pozitif oluştuğunu anlamak için tasarlanmış interaktif bir araç. Brad Grubbs tarafından Hacktoberfest'in "Ghost in the Machine" temasına sunulan bu proje, sensör verilerindeki gizli desenleri ortaya çıkarıyor.

Proje üç farklı senaryoyu gösteriyor: Saat 08:01'de makine öğrenmesi modeli (Isolation Forest) bir kombinasyonu flaglediği halde basit kural bunu kaçırıyor. Saat 05:28'de ise model sessiz kalırken sıcaklık 61.749°C'ye çıkıyor, eğitim verisinin çok dışında. Saat 06:16'da her iki dedektör de alarm veriyor ama sensörler hiçbir anormal enjeksiyonu kaydetmemiş. Bu üç dakika, alarm sistemlerinin kararlarını destekleyen kanıtları sana sunuyor.

Fiktif bir pompa odasının gece vardiyasında dört sentetik kanal (sıcaklık, basınç, akış, titreşim gibi) davranışını tanımlar. Açık kaynak Isolation Forest algoritması öğrenilmiş anomali puanları hesaplarken, basit bir temel model tek bir sensörün eğitim ortalamasından ne kadar uzak olduğunu kontrol eder. Okuyucu, hangi dedektörün flag edeceğini tahmin eder, cevabı açar ve bir sensör okumasını değiştirerek sonucu gözlemler.

Bu yaklaşım, alarm sistemlerinin nasıl çalıştığını anlamak isteyen siber güvenlik, anomali tespiti veya IoT alanında çalışan kişiler için değerli. Verilerin hikayesini söylemeden önce kanıtları incelemek, yanlış pozitiflerin kökenini anlamaya yardımcı olur.