EdgeBox Autoencoder

Detecção de anomalias operacionais usando autoencoder leve na TV Box

Status: NORMAL | Score de anomalia: 0.20

Erro de reconstrução

0.003631

Limite aprendido

0.017935

Amostras de treino

1200

Modelo

6-3-6

Entrada → gargalo → reconstrução

Como funciona

O autoencoder aprende o padrão normal de funcionamento da TV Box. Ele recebe métricas como CPU, RAM, temperatura, disco, latência e carga do sistema. Depois tenta reconstruir esses mesmos valores.

Se a reconstrução fica muito diferente da entrada, o erro aumenta. Quando o erro passa do limite aprendido no treino, o sistema marca como anomalia.

Comparação entrada vs reconstrução

Métrica	Valor real	Entrada normalizada	Reconstrução	Erro
CPU	25.7%	0.257	0.259	0.0024
RAM	27.4%	0.274	0.172	0.1017
Temperatura	42.5 °C	0.321	0.303	0.0183
Disco	33.2%	0.332	0.265	0.0667
Latência	5.7 ms	0.019	0.046	0.0273
Carga do sistema	1.44	0.360	0.283	0.0768

Uso em aprendizado federado

Este modelo foi treinado localmente na TV Box. Em uma rede federada real, cada TV Box treinaria seu próprio autoencoder e enviaria apenas pesos, limite de anomalia e estatísticas para um agregador.

Arquivo de atualização federada: edgebox_autoencoder_update.json