Машинное обучение для обнаружения аномалий: систематический обзор

Machine Learning for Anomaly Detection: A Systematic Review
Manar Wasif Abu Talib, Qassim Nasir, Fatima Mohamad Dakalbab, Ali Bou Nassif
2021-01-01

обнаружение аномалиймашинное обучениеметрики производительностисистематический обзор литературыобнаружение аномалий без учителя
Обнаружение аномалий на протяжении десятилетий используется для выявления и извлечения аномальных компонентов из данных. Для обнаружения аномалий применялось множество методов. Одним из методов, приобретающих все большее значение, является машинное обучение (ML), играющее важную роль в этой области. В данной статье мы проводим систематический обзор литературы (SLR), в котором анализируются модели машинного обучения, применяемые для обнаружения аномалий в различных приложениях. В рамках обзора модели анализируются с четырех точек зрения: области применения обнаружения аномалий, методы машинного обучения, метрики эффективности моделей машинного обучения и классификация обнаружения аномалий. В ходе обзора были выявлены 290 научных статей, опубликованных в период с 2000 по 2020 год и посвященных методам машинного обучения для обнаружения аномалий. После анализа отобранных научных статей мы представили 43 различных приложения обнаружения аномалий, выявленных в этих публикациях. Кроме того, были определены 29 различных моделей машинного обучения, использованных для выявления аномалий. Наконец, мы представили 22 различных набора данных, применявшихся в экспериментах по обнаружению аномалий, а также множество других наборов данных общего назначения. Кроме того, мы установили, что исследователи чаще используют неконтролируемое обнаружение аномалий, чем другие системы классификации обнаружений аномалий. Обнаружение аномалий с использованием моделей машинного обучения является перспективным направлением исследований, и исследователями уже реализовано множество моделей машинного обучения. Поэтому на основе данного обзора мы предлагаем исследователям рекомендации и руководящие положения.
1
Обзор анализирует исследования обнаружения аномалий с точки зрения приложений, методов машинного обучения, метрик эффективности и подходов к классификации.
2
На основе выявленных методов, приложений, моделей и наборов данных обзор предлагает исследователям рекомендации и руководящие принципы.
3
Рассмотренная литература охватывает 43 области применения обнаружения аномалий, 29 различных моделей машинного обучения и 22 набора данных, использованных в экспериментах.
4
Систематический обзор выявил 290 исследований, опубликованных в 2000–2020 годах, посвящённых методам машинного обучения для обнаружения аномалий.
5
Обнаружение аномалий без учителя использовалось исследователями чаще, чем другие системы классификации аномалий.

системы обнаружения аномалий на основе машинного обучения и области их применения

модели машинного обучения, области применения, показатели эффективности, подходы к классификации и наборы данных, используемые для обнаружения аномалий

Publication Details
Publication Date
2021-01-01
Journal
Publisher
ISSN
Cited by
1029
Access Type
Author Information
Authors
Manar Wasif Abu Talib
Qassim Nasir
Fatima Mohamad Dakalbab
Ali Bou Nassif
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%