阿里巴巴作為國內互聯網技術的巨頭之一，一直在積極推進邊緣計算技術標準化建設與產業落地。

集微網消息，近日2019亞太內容分發大會暨CDN峰會在廣州如期召開，大會圍繞“邊緣計算”這一主題，探討互聯網產業發展的新趨勢，而阿里云憑借在邊緣計算領先的技術布局與創新方案，榮獲“最佳智能邊緣計算技術創新平臺”獎項。

隨著IOT(物聯網)的發展，設備大規模接入物聯網，在終端設備上產生的海量數據在提供商業價值的同時，也對大數據風控提出了新的挑戰。一方面，隨著物聯網發展的趨勢，交易和支付的發起將逐漸擺脫對單一移動設備的依賴，從當前主要依賴于PC或手機端的支付方式變為可穿戴設備如智能手表手環，智能眼鏡等，甚而取設備化(無感)支付。另一方面，隨著對個人隱私數據越來越高的監管要求，隱私數據的獲取和使用也將受到極大的限制。

如何應對個人隱私數據越來越高的監管要求并實現異常檢測，已成為亟待解決的問題。為了更好地解決這一問題，阿里巴巴在今年年初就申請了一項名為“基于邊緣計算的區域異常檢測方法和邊緣計算設備”（申請號：201910214642.4）的發明專利，申請人為阿里巴巴集團控股有限公司。

該專利提供了一種基于邊緣計算的區域異常檢測方法和邊緣計算設備，以通過區域內的物聯網設備采集的監控特征數據進行異常檢測。

圖1

圖1是該專利提出的基于邊緣計算的區域異常檢測場景示意圖。從圖中可以看到，物聯網設備是可以采集多種數據的，我們以智能手機為例，它可以通過各種傳感器來采集到如速度、壓力、光照強度等數據信息。物聯網設備采集數據后，就會形成物聯網設備對應的特征數據，然后再上傳到邊緣計算設備中。邊緣計算設備可提供IOT終端計算服務，對多個物聯網設備上傳的特征數據進行加工處理，形成異常檢測模型所需的特征數據，輸入到IOT終端決策模型中進行決策。此外，邊緣計算設備還可將特征數據存儲在邊緣計算服務端中進行備份，以作為邊緣計算設備的IOT終端決策模型的訓練樣本來源。

由于邊緣計算設備的存儲能力和計算能力的限制，單純依賴邊緣計算設備進行異常檢測的決策，可能會出現較大的誤判，特別是基于多個物聯網設備的決策樹進行判斷時，判決為異常和判決為正常的比例相對接近時。此時，需要由云端/服務端進行異常檢測的決策。其中，云端/服務端存儲更多的樣本數據，具備更大的計算容量，判決結果更為準確。這樣，邊緣計算設備和云端/服務端可各自分擔部分的決策任務。

圖2

圖2是專利中提出的邊緣計算設備訓練異常檢測隨機森林模型的示意圖。從圖中可以看到，邊緣計算設備可基于各物聯網設備上報的監控特征數據，獨立建模，剪枝，評估等。

比如當檢測到多個物聯網設備中的目標物聯網設備發生故障，或者在預設時間段內未接收到多個物聯網設備中的目標物聯網設備的監控特征數據時，可以將目標物聯網設備在異常檢測隨機森林模型對應的目標隨機森林決策樹移除。另外，當檢測到新增物聯網設備接入邊緣計算設備時，采集新增物聯網設備的監控特征數據，然后再生成對應的隨機森林決策樹。

阿里巴巴作為國內互聯網技術的巨頭之一，一直在積極推進邊緣計算技術標準化建設與產業落地。阿里巴巴多次與各大運營商進行試點合作，不斷推進5G移動邊緣計算（MEC）、虛擬化CDN網絡架構、邊緣智能等領域建設，為我國邊緣計算產業發展做出了巨大貢獻。