电信网络KPI时间序列中的异常分类
机器学习
2023-09-01 v1
摘要
电信网络日益增加的复杂性与规模引发了人们对自动化异常检测系统的浓厚兴趣。然而，针对网络关键性能指标(KPI)上所检测异常的进行分类研究较少受到关注，导致关于异常特征与分类过程的信息匮乏。为弥补这一空白，本文提出一种模块化的异常分类框架。该框架将异常分类器与检测器设为独立实体，从而可对时间序列上的异常检测与分类任务进行分别处理。本研究的目标为：(1)开发一种生成类似于真实世界网络KPI行为合成时间序列的时间序列模拟器，(2)构建用于识别时间序列中异常的检测模型，(3)构建将已检测异常准确分类至预定义类别的分类模型，(4)在模拟与真实世界网络KPI时间序列上评估该分类框架的性能。本研究已证明，在模拟异常上训练的异常分类模型应用于真实世界网络时间序列数据时具有良好的性能。
引用
@article{arxiv.2308.16279,
title = {Classification of Anomalies in Telecommunication Network KPI Time Series},
author = {Korantin Bordeau-Aubert and Justin Whatley and Sylvain Nadeau and Tristan Glatard and Brigitte Jaumard},
journal= {arXiv preprint arXiv:2308.16279},
year = {2023}
}