网络异常检测谱方法的统计评估
应用统计
2019-05-08 v4
摘要
近年来,随着连接设备与社交网络的兴起,网络异常检测监控备受关注。这十分重要,因为异常检测可涵盖广泛应用,从反恐工作中侦测恐怖细胞到社交网络圈中的钓鱼攻击。为此,已引入众多异常检测技术。然而,这些技术应用于更复杂网络模型时受诸多挑战阻碍,如所调查网络规模、所需先验信息量、异常图大小等。Miller 等人近期提出的依赖谱框架进行异常检测的技术,有潜力应对许多此类挑战。在其谱框架讨论中,提出了三种依赖二值网络残差矩阵特征值与特征向量的算法。作者展示了检测小于网络规模 1% 的异常子图的能力。但迄今,评估这些算法统计性能的工作甚少。本研究考察谱方法的统计性质,特别是 Miller 提出的卡方与 L1 范数算法。我们将利用模拟网络分析算法性能,并将方法应用扩展至计数网络。最后,我们对两种算法给出一些方法学改进与建议。
引用
@article{arxiv.1711.01378,
title = {Statistical Evaluation of Spectral Methods for Anomaly Detection in Networks},
author = {Tomilayo Komolafe and A. Valeria Quevedo and Srijan Sengupta and William H. Woodall},
journal= {arXiv preprint arXiv:1711.01378},
year = {2019}
}
备注
39 pages, 17 figures