用于数据日志集成连续异常检测的 ASTD 模式
软件工程
2024-12-17 v3 机器学习
摘要
本文探讨了 ASTD 语言在数据日志集成异常检测中的应用。它采用滑动窗口技术实现数据流的持续学习，并在每个窗口完成后更新学习模型，以保持准确的检测并适应当前的数据趋势。文章提出了用于组合学习模型的 ASTD 模式，特别是在无监督学习（数据流中常用）的背景下。为此，提出了一种新的 ASTD 算子——量化流，它能在保持规范简洁的同时实现学习模型的无缝组合。我们的贡献是一种规范模式，突出了 ASTD 在抽象和模块化异常检测系统方面的能力。ASTD 语言通过语言算子的图形化表示来组合进程，为开发数据流异常检测系统提供了一种独特的方法。这简化了开发人员的设计任务，使他们能够主要专注于定义构成系统的功能操作。
引用
@article{arxiv.2411.07272,
title = {ASTD Patterns for Integrated Continuous Anomaly Detection In Data Logs},
author = {Chaymae El Jabri and Marc Frappier and Pierre-Martin Tardif},
journal= {arXiv preprint arXiv:2411.07272},
year = {2024}
}