动态异常图：基于稀疏性与低秩的网络异常追踪

在大规模网络的骨干网中，源到目的（OD）流量会经历被称为流量体积异常的突发性异常变化，这可能导致拥塞并限制终端用户服务质量要求的满足程度。作为在动态环境中维持无缝终端用户体验以及确保网络安全的手段，本文处理一项被称为动态异常图的关键网络监测任务。给定由骨干路由器周期性采集的链路流量测量值（未观测 OD 流量的含噪叠加），目标是实时构建异常的估计图谱，从而沿流量和时间维度总结网络的“健康状态”。利用 OD 流量的低内在维度特性与异常的稀疏特性，提出了一种新型在线估计器，其基于以促进稀疏的异常 $\ell_1$ 范数和标称流量矩阵的核范数进行正则化的指数加权最小二乘准则。在将不可分的核范数转化为适用于在线优化的形式后，开发了一种用于动态异常图的实时算法，并在简化技术假设下证明了其收敛性。针对计算复杂度降低至关重要的运行条件，还开发了一种基于 Nesterov 加速技术的轻量级随机梯度算法。基于合成与真实网络数据的综合数值测试证实了所提在线算法的有效性及其追踪能力，并表明其优于为诊断流量异常而开发的 SOTA 方法。