Sensor-based IoT systems detect events from data and take appropriate actions through the event processing process. The core of event processing, event rules, is typically manually defined by domain experts. However, there are limitations to domain experts manually setting rules for all the unlabeled events in runtime of IoT systems. Therefore, there is a need for methods that support the generation of rules for unlabeled events. In this study, we address this issue by adding two phases to the existing event processing process. The first phase is the detection of unlabeled events from the raw data. Considering the characteristics of IoT systems, we propose MulTemS, an extension of anomaly detection techniques that can detect events of various temporal-scales. The second phase is the formation of clusters among similar events. We propose FeatCNC, which predicts the number of clusters through feature extraction and performs domain-independent clustering. Through experiments, we demonstrate that MulTemS can effectively detect events of multiple temporal-scales, and FeatCNC can reliably cluster events across diverse domains. Additionally, we verify that the integration of these two phases results in the better formation of clusters that capture the characteristics of the events.
센서를 기반으로 하는 IoT 시스템은 이벤트 처리 과정을 통해 데이터에서 이벤트를 탐지하고 해당 이벤트에 대한 액션을 취한다. 이벤트 처리의 핵심인 이벤트 규칙은 일반적으로 전문가들에 의해 직접 설정되어 사용된다. 그러나 전문가들이 시스템의 런타임에서 계속해서 발생하는 모든 미분류 이벤트에 대한 규칙을 직접 설정하는 것에는 한계가 있어, 미분류 이벤트들의 규칙 생성을 지원하는 방법이 필요하다. 본 연구에서는 이를 위해 기존 이벤트 처리 과정에 두 가지 단계를 추가했다. 첫 번째는 데이터에서 미분류 이벤트를 탐지하는 단계이다. IoT 시스템의 특성을 고려하여, 이상 탐지 기법을 확장하여 다양한 시간규모의 이벤트를 탐지할 수 있는 MulTemS 를 제안했다. 두 번째는 유사한 이벤트끼리 클러스터를 형성하는 단계이다. 특징 추출을 통해 클러스터 개수를 예측하고, 도메인에 독립적인 클러스터링을 수행할 수 있는 FeatCNC 를 제안했다. 실험을 통해 MulTemS 가 다중시간규모의 이벤트들을 실제로 탐지할 수 있으며, FeatCNC 가 여러 도메인의 이벤트들을 안정적으로 클러스터링할 수 있음을 보였다. 또한, 두 단계가 통합되어 전체적으로 작동할 시 이벤트들의 특징을 잘 반영한 클러스터를 형성할 수 있음을 확인했다.
