VEDAR：可解释的行为变化检测
社会与信息网络
2019-02-19 v1
摘要
随着遥测/流式/实时数据可用性的指数级增长，理解上下文行为变化成为提供无与伦比的客户体验以及构建高性能和高度可用系统的关键功能。实时行为变化检测在社交网络、网络流量监控、广告交易指标等众多领域均有用例。在流式数据中，行为变化是一种不符合其余数据分布的异常观测。及时且精确地揭示此类行为变化，可在关键情况下为我们提供关于系统的实质性信息，从而成为重要决策的驱动因素。以流式方式检测行为变化是一项困难任务，因为系统需要处理高速实时数据，并在单次数据遍历中持续从数据中学习并检测异常。本文提出一种称为可解释行为变化检测(Accountable Behavior Change Detection, VEDAR)的新算法，该算法可实时检测并解释行为变化，并以类似于人类感知的方式运行。我们在开源异常检测数据集上对我们的算法进行了基准测试。我们通过将算法在开源异常数据集上的性能与Numenta HTM和Twitter AdVec (SH-ESD)等工业标准算法进行比较，对算法进行了基准测试。我们的算法在行为变化检测上优于上述算法，其效能见第V节。
引用
@article{arxiv.1902.06663,
title = {VEDAR: Accountable Behavioural Change Detection},
author = {Amit Kumar and Tanya Ahuja and Rajesh Kumar Madabhattula and Murali Kante and Srinivasa Rao Aravilli},
journal= {arXiv preprint arXiv:1902.06663},
year = {2019}
}
备注
10 pages, 12 figures, 1 table