基于时间序列预测的呼叫详细记录异常检测混合模型
机器学习
2021-10-20 v3 机器学习
摘要
移动网络运营商存储着海量信息，如描述各种事件与用户活动的日志文件。这些日志的分析可用于许多关键应用，例如检测网络攻击、发现用户行为模式、安全事件响应、网络取证等。在蜂窝网络中，呼叫详细记录（CDR）是此类日志的一种，包含通话的元数据，通常包括关于联络的宝贵信息，如主叫与被叫用户的电话号码、通话时长、活动区域、通话类型（短信或语音通话）以及时间戳。通过异常检测，可确定某一区域或特定人员的网络流量异常减少 or 增加。本文的主要目标是研究蜂窝网络中用户的行为，主要是预测某区域的通话数量并检测网络流量中的异常。本文提出了一种基于多种异常检测方法（如GARCH、K-means和神经网络）的新混合方法以确定异常数据。此外，我们讨论了此类异常的可能成因。
引用
@article{arxiv.2006.04101,
title = {Hybrid Model for Anomaly Detection on Call Detail Records by Time Series Forecasting},
author = {Aryan Mokhtari and Leyla Sadighi and Behnam Bahrak and Mojtaba Eshghie},
journal= {arXiv preprint arXiv:2006.04101},
year = {2021}
}
备注
The Authors have changes and I am no more one of the authors in this manuscript