Wykrywanie anomalii bazujące na wskazanych przykładach

• Autorzy: Kwiatkowski W.

Warianty tytułu

EN

Anomaly detection based on given examples

• Języki publikacji: PL

Abstrakty

PL

Rozpatrywany jest problem wykrywania anomalii na podstawie zarejestrowanych obserwacji zachowania systemu. Problem jest sformułowany jako zadanie rozpoznawania wzorców zachowania normalnego i zachowania nietypowego. Obydwa wzorce są określane przez wskazanie odpowiednich przykładów. Osobliwość rozwiązywanego zadania wynika z faktu, że zwykle liczebność przykładów jest dużo mniejsza od wymiaru wektora obserwacji. W artykule zostały przedstawione dwie metody detekcji anomalii bazujące na wyznaczaniu rzutów obserwacji na podprzestrzenie wzorców. Wyróżnikiem pierwszej metody jest wykorzystywanie odległości wektora obserwacji od podprzestrzeni wzorców. Druga metoda polega na przeniesieniu zadania rozpoznawania wzorców do podprzestrzeni wzorców.

EN

The paper considers the issue of anomalies detection based on registered observations of a system behavior. The problem is formulated as recognition of normal and anomalous behavior patterns. Both types of patterns are identified by indication of appropriate examples. A peculiarity of this task is that usually the number of examples is far lower than the dimension of vectors describing the observations. Two methods to solve this task have been presented in the paper, based on projecting the observations on the subspace of examples. The first method is based on a distance of the observation vector from the subspace of examples. The second method is based on transferring the pattern recognition problem to the subspace of examples.

Słowa kluczowe

PL

wykrywanie anomalii; rozpoznawanie wzorców; eksploracja danych; odległość Mahalanobisa

EN

anomaly detection; novelty detection; outlier detection; pattern recognition; exploratory data analysis; Mahalanobis distance

• Wydawca: Instytut Teleinformatyki i Automatyki, Wydział Cybernetyki, Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Przegląd Teleinformatyczny
• Rocznik: 2018
• Tom: T. 6, Nr 1-2 (46)
• Strony: 3--21
• Opis fizyczny: Bibliogr. 9 poz., il., wykr.

Twórcy

autor

Kwiatkowski W.

• Instytut Teleinformatyki i Automatyki, Wydział Cybernetyki, WAT, ul. Gen. W. Urbanowicza 2, 00-908 Warszawa 46

Bibliografia

• [1] CAMPOS G.O, ZIMEK A., SANDER J., CAMPELLO R.J.G.B., MICENKOVÁ B. SCHUBERT E., ASSENT I., HOULE M.E., On the evaluation of unsupervised outlier detection: measures, datasets, and an empirical study. Data Mining and Knowledge Discovery 30(4), 2016, pp. 891-927.
• [2] CHANDOLA V., BANERJEE A., KUMAR V., Anomaly detection: A survey. ACM Computing Surveys, Vol. 41, No. 3, Article 15, 2009.
• [3] HODGE V.J.; AUSTIN J., A survey of outlier detection methodologies. Artificial Intelligence Review, 22 (2), 2004, pp. 85-126.
• [4] KWIATKOWSKI W., Metody automatycznego rozpoznawania wzorców, BEL, Warszawa, 2010.
• [5] SODEMANN A.A., ROSS M.P., BORGHETTI B.I., A review of anomaly detection in automated surveillance. IEEE Transactions on Systems Man and Cybernetics Part C (Applications and Reviews), Vol. 42 no. 6, 2012 pp. 1257-1272.
• [6] PIMENTEL M.A., CLIFTON D.A., CLIFTON L., TARASSENKO L., A review of novelty detection. Signal Processing, Vol. 99, 2014, pp. 215-249.
• [7] TUKEY J.W., Exploratory data analysis. Addison-Wesley, 1977.
• [8] YAO-GUANG WEI, DE-LING ZHENG, YING WANG, Research of a negative selection algorithm and its application in anomaly detection. Proceedings of 2004 International Conference on Machine Learning and Cybernetics (IEEE Cat. No.04EX826), Vol. 5, 2004, pp. 2910-2913.
• [9] ZIMEK A., SCHUBERT E., KRIEGEL H., A survey on unsupervised outlier detection in high-dimensional numerical data. Statistical Analysis and Data Mining, Vol. 5, Issue 5, 2012, pp. 363-387.