ReRe：一种轻量级实时即用时间序列异常检测方法
机器学习
2022-12-06 v4 机器学习
摘要
异常检测是入侵检测、网络监控、系统健康监测、IoT 医疗等诸多领域中的活跃研究课题。然而，许多现有异常检测方法要么需要人工干预或领域知识，要么计算复杂度高，从而阻碍了它们在真实场景中的适用性。因此，一种能够实时检测异常的轻量级即用方法备受青睐。这种方法可以轻松且立即应用于任何商用机器上执行时间序列异常检测。该方法可提供及时的异常警报，从而能够尽早采取适当的对策。出于这些目标，本文提出 ReRe，一种用于流式时间序列的实时即用主动异常检测算法。ReRe 采用两个轻量级长短期记忆（LSTM）模型，基于短期历史数据点和两个长期自适应阈值来预测并联合判定即将到来的数据点是否异常。基于真实世界时间序列数据集的实验证明了 ReRe 在无需人工干预或领域知识的情况下于实时异常检测中的良好性能。
引用
@article{arxiv.2004.02319,
title = {ReRe: A Lightweight Real-time Ready-to-Go Anomaly Detection Approach for Time Series},
author = {Ming-Chang Lee and Jia-Chun Lin and Ernst Gunnar Gran},
journal= {arXiv preprint arXiv:2004.02319},
year = {2022}
}
备注
10 pages, 9 figures, COMPSAC 2020