A Novel Evaluation Metric for Unsupervised Learning in AIS-Based Maritime Anomaly Detection: MADQI

ملخص تقني: مقياس تقييم مبتكر للتعلم غير الخاضع للإشراف في كشف الشذوذ البحري القائم على نظام التعرف التلقائي على الهوية (MADQI)

بيان المشكلة
يعد كشف الشذوذ البحري باستخدام بيانات نظام التعرف التلقائي على الهوية (AIS) أمراً بالغ الأهمية للسلامة والأمن وحماية البيئة. ومع ذلك، يواجه هذا المجال تحدياً كبيراً: وهو نقص البيانات المصنفة (ground truth) للسلوكيات غير الطبيعية للسفن. وبناءً على ذلك، يعتمد الباحثون على خوارزميات التعلم غير الخاضع للإشراف، مثل "غابة العزل" (Isolation Forest)، للكشف عن الحالات الشاذة. وبينما تعد هذه الأساليب فعالة في تحديد القيم المتطرفة، يسلط البحث الضوء على فجوة حرجة في الأدبيات: غياب مقاييس تقييم موضوعية وكمية ومتخصصة في المجال. وتعتمد التقييمات الحالية غالباً على الفحص البصري الذاتي أو تقدير الخبراء، مما يجعل من الصعب قياس أداء النماذج، أو مقارنة الخوارزميات المختلفة، أو التحقق من النتائج بشكل منهجي.

المنهجية
تقترح الدراسة إطار عمل شاملاً يتمحور حول مؤشر جودة كشف الشذوذ البحري (MADQI)، وهو مقياس مركب مصمم لتقييم كشف الشذوذ غير الخاضع للإشراف بدون بيانات مصنفة.

1. البيانات وهندسة الميزات:

   • يستخدم إطار العمل بيانات AIS (تحديداً بيانات الولايات المتحدة من 31 مارس 2022) التي تحتوي على مسارات مكانية-زمانية.
   • تتم معالجة البيانات الخام (خطوط الطول، دوائر العرض، السرعة فوق الأرض [SOG]، المسار فوق الأرض [COG]، والطوابع الزمنية) لاستخراج ميزات مشتقة باستخدام صيغة هافرسين (Haversine formula) للمسافة المكانية.
   • تشمل الميزات الهندسية الرئيسية ما يلي:
     • مكانية: المسافة بين النقاط المتتالية.
     • زمانية: الفجوات الزمنية بين الرسائل.
     • كينماتيكية: السرعة الضمنية (المشتقة من المسافة/الزمن) والفرق بين السرعة المبلغ عنها (SOG) والسرعة الضمنية.
     • سلوكية: معدلات الدوران والمؤشرات المركبة.
   • تُصنف الحالات الشاذة إلى خمسة أنواع: شذوذ السرعة، شذوذ قفزة الموقع، شذوذ الفجوة الزمنية، شذوذ معدل الدوران، والشذوذ السلوكي المركب.

2. نموذج كشف الشذوذ:

   • تم استخدام خوارزمية غابة العزل (Isolation Forest) كنموذج أساسي غير خاضع للإشراف. تقوم الخوارزمية بعزل الحالات الشاذة من خلال بناء أشجار ثنائية تعتمد على تقسيم الميزات عشوائياً؛ حيث تتطلب النقاط الشاذة عادةً عمليات تقسيم أقل لعزلها، مما يؤدي إلى أطوال مسارات أقصر ودرجات شذوذ أعلى.

3. إطار عمل MADQI:

   • لتقييم مخرجات النموذج، قدم المؤلفون MADQI، الذي يجمع أربعة مكونات متميزة:
     • اتساق معدل الشذوذ (ARC): يقيس مدى التوافق بين نسبة الشذوذ الملحوظة ومستوى التلوث المتوقع.
     • درجة المعقولية الفيزيائية (PPS): تقيم ما إذا كانت الحالات الشاذة المكتشفة تظهر انحرافات فيزيائية ذات معنى (في السرعة والمسافة والزمن) مقارنة بالسلوك الطبيعي.
     • انفصال توزيع الدرجات (SDS): يحدد كمياً الانفصال الإحصائي بين درجات الشذوذ والملاحظات الطبيعية.
     • دليل الحالات القصوى (ECE): يقيم وجود انحرافات سلوكية قصوى، لا سيما في الإزاحة المكانية.
   • استراتيجية التطبيع (Normalization): لضمان قابلية المقارنة عبر هذه المقاييس غير المتجانسة، يستخدم إطار العمل استراتيجية التقييم متعدد الأجزاء (multi-chunk evaluation) (تقسيم البيانات إلى مجموعات فرعية غير متداخلة) والتحجيم التكيفي. يستخدم الإطار إحصاءات الربع الأدنى لتحديد معاملات التحجيم ويطبق دالة التطبيع الأسي ($1 - e^{-x/\tau}$). وتتجنب هذه الطريقة "تحيز المركزية" الموجود في التطبيع الناعم التقليدي، مما يسمح للمكونات عالية الأداء بالاقتراب من الواحد الصحيح بشكل طبيعي.

المساهمات الرئيسية
يحدد البحث أربع مساهمات رئيسية:

1. نهج موحد غير خاضع للإشراف: إطار عمل قوي يستخدم غابة العزل والتحليل المكاني القائم على صيغة هافرسين للكشف عن الشذوذ البحري متعدد الميزات دون الحاجة لبيانات مصنفة.
2. تصنيف مهيكل للشذوذ: نظام تصنيف يحدد خمسة أنواع محددة من الشذوذ البحري (السرعة، قفزة الموقع، الفجوة الزمنية، معدل الدوران، والمركب) لهيكلة عملية الكشف.
3. مقياس MADQI: مؤشر جودة مبتكر وخاص بالمجال، لا يحتاج لبيانات مصنفة، يدمج الأبعاد المكانية والزمانية والسلوكية في درجة واحدة قابلة للتفسير.
4. أداة تشغيلية: تطبيق عملي يقوم بإسقاط الحالات الشاذة المكتشفة على خرائط جغرافية تفاعلية (باستخدام مكتبة Folium)، مما يسد الفجوة بين الكشف غير الخاضع للإشراف والاستخبارات القابلة للتنفيذ للسلطات البحرية.

النتائج التجريبية
تم اختبار إطار العمل على مجموعة بيانات تضم أكثر من مليون ملاحظة AIS، مع التركيز بشكل خاص على مجموعة فرعية تضم 500,000 ملاحظة للتقييم.

• أداء الكشف: حدد نموذج غابة العزل 498 حالة شاذة (حوالي 0.1% من البيانات) و10 حالات شاذة قصوى بناءً على قواعد محددة في المجال.
• درجات MADQI: حقق إطار العمل إجمالي درجة MADQI بلغت 80.37%.
  • دليل الحالات القصوى (ECE): سجل 1.000 (مُطبع)، مما يشير إلى قدرة ممتازة في كشف الانحرافات المكانية القصوى.
  • اتساق معدل الشذوذ (ARC): سجل 0.907، مما يظهر توافقاً قوياً بين معدلات الشذوذ الملحوظة والمتوقعة.
  • المعقولية الفيزيائية (PPS): سجلت 0.672، مما يعكس صلاحية فيزيائية معقولة.
  • انفصال توزيع الدرجات (SDS): سجل 0.636، مما يشير إلى انفصال إحصائي واضح بين الحالات الطبيعية والشاذة.
• التصور البصري: تم تصور النتائج على خرائط تفاعلية، مما سمح بالتحقق النوعي من التوزيع المكاني للحالات الشاذة.

الأهمية والادعاءات
يزعم المؤلفون أن MADQI يعالج مشكلة مفتوحة أساسية في هذا المجال: وهي غياب مقياس تقييم موضوعي ومعياري لكشف الشذوذ غير الخاضع للإشراف في السياقات البحرية.

• القابلية للتفسير: من خلال تفكيك الأداء إلى ARC وPPS وSDS وECE، يوفر المقياس رؤى تشخيصية حول سبب أداء النموذج بشكل جيد أو سيئ، بدلاً من تقديم درجة واحدة غامضة.
• المتانة: تقلل عملية التقييم متعدد الأجزاء والتحجيم التكيفي القائم على البيانات من الحساسية لتقلبات مجموعات البيانات المحددة وتلغي الحاجة إلى ضبط المعلمات التعسفي.
• القابلية للتوسع والتطبيق: يتميز إطار العمل بكفاءة حوسبية وهو مصمم لمجموعات بيانات AIS واسعة النطاق، مما يوفر حلاً جاهزاً للاستخدام ("plug-and-play") لأنظمة المراقبة البحرية في الوقت الفعلي.
• استقلالية النموذج: رغم أنه تم تطبيقه باستخدام غابة العزل، إلا أن المؤلفين يذكرون أن المقياس مصمم ليكون مستقلاً عن النموذج، مما يسهل مقارنة مختلف تقنيات التعلم غير الخاضع للإشراف.

يخلص البحث إلى أن MADQI يوفر نهجاً موثوقاً وذا معنى وقابلاً للتوسع لتقييم كشف الشذوذ في بيانات AIS البحرية، مما ينقل المجال من التحليل الذاتي إلى التقييم الكمي المدرك لطبيعة المجال.