本文研究了实时流数据下的异常检测技术,旨在提供一个有关性能与准确性表现的选择指南。该研究总结了一系列各领域应用的生产数据集,并阐述了现有技术在实时数据流上无法直接应用的问题。
Oct, 2017
本文提供了对不同算法家族的主要在线探测器的质量、综合概述,包括构建、更新和测试探测模型的主要思想,并提供了在线检测算法与离线对应算法的结果定量实验评估的彻底分析,以及对数据集(即元特征)的各种特征进行统计分析。
Sep, 2022
该论文介绍了 Real-time Adaptive 和 Interpretable Detection(RAID)算法,该算法能够适应多元动态过程中的非静态效应,从而提高检测精度并改进根本原因的隔离控制。
Apr, 2023
本论文研究了如何在物理控制系统中高效检测数据分布的异常点,提出了利用归纳式一致性预测和异常检测方法进行检测的方案,并通过仿真实验在自动驾驶和紧急制动系统中得到了良好的实验结果。
Jan, 2020
论文介绍了一种新的检测时间序列数据异常值的方法,主要应用于监测微服务和云资源健康。该方法的主要创新点是将时间序列的建模对象从实数值或实数向量扩展到了实数值(或向量)上的概率分布。
Jul, 2020
基于生成对抗网络和自注意力机制的无监督深度学习异常检测系统,在考虑了本地子序列中包含的不同特征信息的基础上,自动学习环境传感器变量之间的复杂线性和非线性依赖关系,利用重构误差和判别误差的异常得分计算方法,可以高实时性地监测实际传感器数据的异常点,适用于智能卫星物联网系统。大多数情况下,异常检测优于基准方法,具有很好的可解释性,可用于监测环境传感器,预防工业事故和网络攻击。
Mar, 2024
该研究论文介绍了一个建筑运营中的异常检测系统,包括监测、早期发现、以及基于监测仪的实时异常检测方法。通过结合有监督学习和无监督学习算法,利用动态阈值实现对异常数据的实时检测,并通过真实数据的实证研究验证其有效性,这对于建筑运营中的决策科学和视觉分析有重要意义。
May, 2024
该研究提出了一种轻量级、无监督的方法,通过对大型计算系统的操作数据进行测量,实时检测异常行为并能够在较短的时间内做出适当反应。
Jan, 2024
创新的混合建模方法结合统计学和卷积自编码器,利用动态阈值(基于马氏距离和移动平均)检测实时智能计量系统中的异常,从而提供早期预警,以预防灾难并在经济上受益于组织和消费者。
Apr, 2024
在线线性动力系统中的变点检测方法,解决了时间序列属性突变检测的问题,包括未知动力学、时间相关性和多个变点时的检测准确度和延迟的理论保证。
Nov, 2023