Nov, 2013

使用图傅里叶扫描统计检测网络异常活动

PDF
TL;DR通过对给定图每个顶点进行单一噪声测量，利用基于罕见激活点的聚类位置的本地化信号来检测信号是否恒定或是否存在罕见激活点，找到稀疏切割等问题。我们开发了图傅里叶扫描统计量作为一个可行的放松器来处理 GLR 统计量，并进行了性质分析。在理论和模拟方面证明了图傅里叶扫描统计量优于全局平均和基于顶点门限值的 Naïve 测试程序的实用性
发现论文，激发创造
  • 基于谱扫描统计量的图突变检测

    本文提出了一种基于组合 Laplacian 的可行的放松 GLR 统计量，称为谱扫描统计量，以解决在给定图形上检测未知信号是否为常数或分段常数问题，其性能直接取决于图形的谱，并基于图的少量重要拓扑性能提出了渐近性质证明。

    Jun, 2012

  • 使用 Lovasz 扩展扫描统计量在图中实现近乎最优的异常检测

    本文主要介绍了在图形中检测异常活动的统计问题，并利用子模的方法近似不可计算的广义似然比，应用电网络理论控制了第一类错误率并证明了条件下，该方法具有风险一致性。此外，还考虑了具体的图形模型，并将结果与已知的下限进行比较，证明了其在这些图形上提供了接近最佳的性能。

    Dec, 2013

  • 图时序中用于异常检测的局部统计量

    本文利用生成潜在位置模型将变点检测问题定义为假设检验问题，关注时间序列的随机块模型这一特殊情形，并分析了基于不同局部统计方法的两类扫描统计量的极限分布和功率特性，并在合成数据和 Enron 电子邮件语料库上理论和性能比较，证明了两种统计量在一个简单境况下是可接受的，而其中一种统计量在第二种境况下是不可接受的。

    Jun, 2013

  • 基于不规则性的图傅里叶变换

    本文提出了一种新颖的图傅里叶变换 (GFT) 的推广，它基于分别考虑信号能量和信号变化的定义，从而导致几种可能的正交 GFT。我们的方法包括传统的 GFT 定义作为特殊情况，同时也导致新的 GFT 设计，更好地考虑了图的不规则性。具体而言，在传感器网络的上下文中，我们使用顶点的 Voronoi 单元面积来定义 GFT，表明即使采样高度不规则，这导致更明智的图形信号能量定义。

    Feb, 2018

  • 基于生成树小波基的图激活检测

    本文研究如何在高斯噪声下检测图形激活，其中信号在图形上是分段恒定的，并将其作为假设检验问题。通过引入基于生成树小波基的局部化本地化基础，作者在低信噪比情况下证明了任何生成树都可区分零假设和备择假设。最后，作者使用均匀生成树进行基础构造，得到更强的理论保障，提高了检测性能。

    Jun, 2012

  • 通过多层稀疏逼近实现快速图傅里叶变换

    本文提出一种基于 Jacobi 特征值算法的贪心近似对图拉普拉斯矩阵进行对角化的方法，从而获得可快速应用和高效存储的近似图傅里叶变换，并在合成和真实图中的应用展示其潜力。

    Dec, 2016

  • 基于顶点频率的图分析

    本文研究如何在图形信号处理领域中利用字典设计和变换方法来识别和利用加权图中信号的结构。通过定义广义卷积、平移和调制运算符等，我们实现了窗口傅里叶分析的图形处理方法，在任何未指定方向、连接、加权的图上对信号进行分析。

    Jul, 2013

  • 用于图形中异常模式检测的经过校准的非参数扫描统计方法

    本文提出了一种新的经过校准的非参数扫描统计方法（CNSS）来检测大规模实际网络中的异常模式，该方法基于似然比统计量，同时考虑了图的结构信息和多重假设检验问题，通过采用随机化检验和近似算法实现性能优化，实验结果表明 CNSS 方法优于现有的基准方法。

    Jun, 2022

  • 网络中的异常聚集检测

    探测给定传感器网络中是否存在具有 “异常行为” 的传感器簇，涉及时间序列分析和泊松分布的聚类检测方法。

    Jan, 2010

  • 使用采样理论进行图信号主动半监督学习

    提出了一种基于图信号采样理论的离线池式主动半监督学习框架，该框架使用节点选择来最大化从采样集重构信号的频率，以解决有限的已标记数据但有大量未标记数据的问题。

    May, 2014