MSTREAM：多维度流数据中的快速异常检测
机器学习
2021-06-09 v4 人工智能
机器学习
摘要
给定多维度数据设定（即具有多个维度的条目）中的流数据，我们如何以无监督方式检测异常活动？例如，在入侵检测设定中，现有工作力求在动态图流中检测异常事件或边，但这不允许我们考虑每个条目的附加属性。我们的工作旨在定义一个称为 MSTREAM 的流式多维度数据异常检测框架，它能够以动态方式检测异常发生时出现的异常群组。MSTREAM 具有以下特性：(a) 它检测包含分类和数值属性的多维度数据中的异常；(b) 它是在线的，因而以常数时间和常数内存处理每条记录；(c) 它能够捕捉数据多个维度之间的相关性。MSTREAM 在 KDDCUP99、CICIDS-DoS、UNSW-NB 15 和 CICIDS-DDoS 数据集上进行了评估，并优于最先进的基线方法。
引用
@article{arxiv.2009.08451,
title = {MSTREAM: Fast Anomaly Detection in Multi-Aspect Streams},
author = {Siddharth Bhatia and Arjit Jain and Pan Li and Ritesh Kumar and Bryan Hooi},
journal= {arXiv preprint arXiv:2009.08451},
year = {2021}
}
备注
The Web Conference (WWW), 2021