面向分布式系统异常检测的基于图的深度学习综述
机器学习
2023-06-05 v2
摘要
异常检测是复杂分布式系统中的关键任务。深入理解异常检测的需求与挑战，对这类系统的安全性至关重要，尤其对于实际部署而言。尽管已有诸多工作及应用领域处理该问题，但鲜有尝试对这类系统提供深入考察。本综述探讨了基于图的算法在分布式系统中识别异常的潜力。这些系统可为异构或同构，从而导致不同的需求。我们的目标之一是深入审视基于图的方法，从概念上分析其应对异构性与动态结构等现实挑战的能力。本研究概述了该领域的当前最优（SotA）研究文献，并比较对比了它们的特征。为促进更全面的理解，我们给出三个具有不同抽象层次的系统作为用例。我们考察了此类系统中异常检测涉及的具体挑战。随后，阐明了图在此类系统中的效能并解释其优势。接着深入探讨了 SotA 方法，突出其优势与不足，指出可能的改进方向及未来工作。
引用
@article{arxiv.2206.04149,
title = {A Survey of Graph-based Deep Learning for Anomaly Detection in Distributed Systems},
author = {Armin Danesh Pazho and Ghazal Alinezhad Noghre and Arnab A Purkayastha and Jagannadh Vempati and Otto Martin and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2206.04149},
year = {2023}
}
备注
The first two authors (A. Danesh Pazho and G. Alinezhad Noghre) have equal contribution. The article is accepted by IEEE Transactions on Knowledge and Data Engineering