开发端到端异常检测系统
网络与互联网体系结构
2024-02-16 v1 机器学习
摘要
异常检测在确保网络鲁棒性方面起着关键作用。然而，当考虑异常可能由恶意和非恶意事件引起的情况时，实现智能告警系统变得具有挑战性，导致难以确定异常模式。计算机网络领域缺乏标记数据进一步加剧了这个问题，阻碍了能够处理现实场景的鲁棒模型的开发。为了解决这一挑战，在本文中，我们提出了一个端到端的异常检测模型开发流水线。该框架能够消耗用户反馈，并实现持续的以用户为中心的模型性能评估和优化。我们通过引入和基准测试一个新的预测模型——名为Lachesis——在真实网络问题上展示了该框架的有效性。实验证明了所提出的两个版本的Lachesis与文献中提出的其他模型相比的鲁棒性和有效性。我们的发现强调了通过用户反馈和迭代开发的协调集成，在数据驱动产品的生命周期中提高其性能的潜力。
引用
@article{arxiv.2402.10085,
title = {Develop End-to-End Anomaly Detection System},
author = {Emanuele Mengoli and Zhiyuan Yao and Wutao Wei},
journal= {arXiv preprint arXiv:2402.10085},
year = {2024}
}