Машинное обучение для обнаружения аномалий: систематический обзор
Machine Learning for Anomaly Detection: A Systematic Review
2021-01-01
SCID: 54.1/6yn5a22m
Discuss with AI
обнаружение аномалиймашинное обучениеметрики производительностисистематический обзор литературыобнаружение аномалий без учителя
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
системы обнаружения аномалий на основе машинного обучения и области их применения
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest