基于几何熵最小化的在线非参数异常检测
应用统计
2017-05-16 v2
摘要
我们考虑对突发且持续的异常进行在线与非参数检测，例如由于异常事件（如故障、恶意活动）导致常规系统动力学在某个时刻发生变化。我们将非参数几何熵最小化（GEM）方法的简洁性与累积和（CUSUM）算法的及时检测能力相结合，提出了一种计算高效的在线异常检测方法，该方法适用于高维数据集，同时在给定误报约束下实现了近最优的平均检测延迟性能。我们对 GEM 和 CUSUM 均提供了新见解，包括针对 GEM 的新渐近分析（其使得离群点检测的软决策成为可能），以及从差异理论角度对 CUSUM 的新诠释（这有助于将其推广到非参数 GEM 统计量）。我们通过模拟与真实数据集数值表明，所提出的非参数算法达到了与全知参数化 CUSUM 检验相近的性能。
引用
@article{arxiv.1704.03070,
title = {Online Nonparametric Anomaly Detection based on Geometric Entropy Minimization},
author = {Yasin Yilmaz},
journal= {arXiv preprint arXiv:1704.03070},
year = {2017}
}
备注
to appear in IEEE International Symposium on Information Theory (ISIT) 2017