обнаружение аномалийметоды обнаружения аномалийвычислительная сложностьнормальное и аномальное поведениеобзор
Figures from the paper
Abstract (AI)
Обнаружение аномалий — важная задача, исследуемая в различных научных областях и прикладных сферах. Многие методы обнаружения аномалий были специально разработаны для определённых прикладных областей, тогда как другие являются более универсальными. В этом обзоре представлен структурированный и всесторонний анализ исследований в области обнаружения аномалий. Существующие методы сгруппированы по различным категориям в зависимости от подхода, лежащего в основе каждого метода. Для каждой категории выделены ключевые допущения, используемые методами для различения нормального и аномального поведения. При применении конкретного метода в определённой области эти допущения могут служить ориентиром для оценки его эффективности в данной области. Для каждой категории представлен базовый метод обнаружения аномалий, а затем показано, каким образом различные существующие методы этой категории являются его вариантами. Такая схема облегчает и упрощает понимание методов, относящихся к каждой категории. Кроме того, для каждой категории определены преимущества и недостатки входящих в неё методов. Также обсуждается вычислительная сложность методов, поскольку она имеет важное значение в реальных прикладных областях. Мы надеемся, что этот обзор позволит лучше понять различные направления исследований по данной теме, а также то, каким образом методы, разработанные в одной области, могут применяться в сферах, для которых изначально они не предназначались.
Key Findings
1
Каждая категория описывается через базовый метод обнаружения, а связанные подходы представлены как его варианты.
2
Существующие методы обнаружения аномалий классифицируются по лежащим в их основе методологическим подходам.
3
Для каждой категории определяются предположения, используемые для различения нормального и аномального поведения, что помогает оценивать применимость методов в конкретных доменах.
4
В статье представлен структурированный и comprehensive обзор исследований по обнаружению аномалий в различных научных областях и прикладных доменах.
5
В обзоре рассматриваются преимущества, недостатки и вычислительная сложность методов каждой категории, а также возможность переноса методов между прикладными доменами.
Research Object
методы обнаружения аномалий в различных прикладных областях
Research Subject
базовые предположения, классификация, эффективность, преимущества, недостатки и вычислительная сложность методов обнаружения аномалий
Publication Details
Publication Date
2009-07-01
Journal
Publisher
ISSN
Cited by
15567
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью20
Обзор адаптации к дрейфу концепций2014
Глубокое обучение для обнаружения аномалий2021
Обнаружение аномалий в видеозаписях с камер наблюдения в реальных условиях2018
Обнаружение аномалий на основе изоляции2012
Обзор выявления выбросов/аномалий во временных рядах2021
Система обнаружения вторжений в сети: систематическое исследование подходов на основе машинного и глубокого обучения2020
Уточнение графов знаний: обзор подходов и методов оценки2016
Унифицирующий обзор глубоких и поверхностных методов обнаружения аномалий2021
Сравнительная оценка алгоритмов неконтролируемого обнаружения аномалий для многомерных данных2016
Машинное обучение для обнаружения аномалий: систематический обзор2021
Обнаружение аномалий без учителя с помощью вариационного автокодировщика для сезонных KPI в веб-приложениях2018
Обнаружение аномалий в потоковых данных в реальном времени без учителя2017
Обнаружение аномалий во временных рядах2022
Глубокое обучение для обнаружения аномалий во временных рядах: обзор2024
Финансовое мошенничество: обзор методов обнаружения аномалий и последних достижений2021
Безопасность и конфиденциальность в умном сельском хозяйстве: проблемы и перспективы2020
Комплексный обзор методов обнаружения аномалий для больших данных высокой размерности2020
Интеллектуальный анализ данных для носимых сенсоров в системах мониторинга здоровья: обзор современных тенденций и проблем2013
Обзор методов машинного обучения для обеспечения кибербезопасности за последнее десятилетие2020
TadGAN: обнаружение аномалий во временных рядах с использованием генеративных состязательных сетей2020