异常检测（Anomaly 第6页

智能运维 | 揭开监控系统神经中枢的神秘面纱

对于监控系统来说，从能力上看基本可以划分为数据采集、数据计算、数据存储、异常检测、报警处理以及监控可视化六块。

百度智能云·2023-10-27 13:22

异常检测概述

1、什么是异常检测异常检测（OutlierDetection），顾名思义，是识别与正常数据不同的数据，与预期行为差异大的数据。

Q_cy·2023-10-27 06:39

总结：机器学习之孤立森林

孤立森林是用于异常检测的机器学习算法。这是一种无监督学习算法，通过隔离数据中的离群值识别异常。孤立森林的原理是：异常值是少量且不同的观测值，因此更易于识别。孤立森林集成了孤立树，在给

小魏的博客·2023-10-26 12:01

工业异常检测：从前沿到落地

前沿技术：SimpleNet1.任务分类：分隔2.性能对比：faster&higher3.研究背景困难：方案：无监督数据集：MVTecAD性能对比:速度对比：二、代码实战1.引入库2.读入数据总结前言工业异常检测是一个比较古老的话题

烧技湾·2023-10-24 13:43

网络流量异常检测综述

网络流量异常检测通过对网络流量进行分析，可以检测出与正常流量明显不同的流量，因其不依赖于静态特征码，被看作检测未知新攻击的有效手段。

宋罗世家技术屋·2023-10-24 05:42

钢铁异常检测背景 10篇论文摘要分享小陈读paper系列

1.Stripsteelisanindispensablematerialinthemanufacturingindustryandthedefectsofthesurfacedirectlydeterminethequality.Duetothediversityandcomplexityofsurfacedefectsinintraclassandbetweeninterclass,agrea

：）�东东要拼命·2023-10-23 16:41

基于统计学方法的异常检测

异常检测的统计学方法的一般思想是：学习一个拟合给定数据集的生成模型，然后识别该模型低概率区域中的对象，把它们作为异常点。异常检测的

leslie_uu·2023-10-23 05:00

2-10 异常检测 Structural Event Detection from Log Messages 笔记

一、基本信息题目：StructuralEventDetectionfromLogMessages 期刊/会议：ACMSIGKDD 年份：2017 引用次数：5二、论文总结2.1研究方向利用日志数据建立工作流模型2.2写作动机有意义的日志模式和模式之间的关系会组成相互连接的工作流结构由于分布式的原因，事件发生的时间顺序不是那么重要，因为并行系统中事件可能会交叉发生单纯的个体

Siberia_·2023-10-22 05:02

数据异常值检测

数据异常值检测参考：数据异常值的检测方法-基于Python独家|每个数据科学家应该知道的五种检测异常值的方法（附Python代码）异常检测主要方法总结14种数据异常值检验的方法！

扫寰宇·2023-10-22 02:21

图神经网络 | 图神经网络模型

图神经网络（GNN）是深度学习领域的一个重要模型，已广泛应用于推荐系统、计算机视觉、自然语言处理、分子分析、数据挖掘和异常检测等现实场景。

码农腾飞·2023-10-21 05:02

对于Transformer的Mask机制的再思考——Encoder部分

最近参加了阿里天池的一个关于医学影像报告异常检测的数据竞赛。本质上是一个关于文本的多标签分类任务。在这个任务中，我尝试使用Transformer的Encoder结构作为基础来构建分类模型。

胡小白的数据科学之路·2023-10-21 00:38

android 异常测试,Android App异常检测及处理

AndroidApp常见的异常可分为三种：ANR，Crash及OOM。当异常发生时如何正确的获取日志定位问题非常重要。本文针对这三种异常分别给出了处理建议，并提供了一些日志收集框架及日志上传的思路。ANRANR(ApplicationNoResponse)，俗称应用卡顿。在Android中所有KeyEvent和TouchEvent都是按照先后顺序放入队列中，依次执行，并且只有当前一个事件执行完毕，

weixin_40006185·2023-10-20 21:33

干货 | 携程火车票异常检测和根因定位实践

作者简介龙川泾渭，携程算法工程师，专注异常检测、根因分析、时间序列预测等领域。

携程技术·2023-10-20 20:33

Anomalib 图像异常检测算法

图像异常检测算法1.简介1.1.问题描述1.2.挑战与需求2.图像异常检测定义2.1异常的定义及类型2.2图像数据中的异常3.图像异常检测技术研究现状4.方法5.安装和使用5.1安装PyPI安装本地安装

打羽毛球吗️·2023-10-20 03:02

kaggle新赛：UBC卵巢癌亚型分类和异常检测大赛【图像分类】

赛题名称：UBCOvarianCancerSubtypeClassificationandOutlierDetection(UBC-OCEAN)赛题链接：https://www.kaggle.com/competitions/UBC-OCEAN赛题背景卵巢癌是女性生殖系统最致命的癌症。目前，卵巢癌诊断依赖病理学家评估亚型。然而，这带来了几个挑战，包括观察者之间的分歧和诊断的可重复性。此外，医疗不发

深度之眼·2023-10-19 19:22

论文阅读【异常检测】ModelCoder: A Fault Model based Automatic Root Cause Localization Framework for Microservi

ModelCoder:AFaultModelbasedAutomaticRootCauseLocalizationFrameworkforMicroserviceSystemsModelCoder：基于故障模型的微服务系统自动根源定位框架论文标题｜ModelCoder:AFaultModelbasedAutomaticRootCauseLocalizationFrameworkforMicrose

Doooo19·2023-10-19 17:48

【AI达人创造营】红细胞形状异常检测在Edgeboard上的部署

【AI达人创造营】红细胞形状异常检测在Edgeboard上的部署此项目是基于PaddleDetection做的红细胞形状异常检测，属于医学中目标检测类的项目。

程序员小勇·2023-10-19 15:21

【Machine Learning】03-Unsupervised learning

UnsupervisedLearning）3.1.1聚类（Clustering）3.1.2K-均值聚类算法（K-meansClustering）3.1.3高斯分布（Gaussiandistribution）3.1.4异常检测

MikeBennington·2023-10-19 13:10

ESD异常检测

首先一系列的假定条件。服从正态分布，数据相互独立并且有着相同的概率分布。实质就是给定一个离群点个数的上限r，进行r次独立的检验。然后比较检验统计量。计算与均值偏离最远的残差计算出元素的残差。就可以与接下里的lam比较。大于lam的就是离群点。lam的计算公式：lam的计算是在显著水平下求出来的。上式的变量n为数据量，tp,n-i-i是自由度为n-i-i的t分布的100p百分位点。t分布计算密度函数

kyrieCool7·2023-10-19 11:05

2-12 异常检测 TCP Phases Classification Using Long Short-Term Memory Recurrent Neural Networks 笔记

一、基本信息期刊/会议：Proc.ICMLT 年份：2018二、论文总结2.1研究方向使用LSTM对网络拥塞控制进行阶段分类（慢启动、拥塞避免、超时重传、快速重传）。2.2写作动机传统的拥塞控制四个阶段的分类方法只是使用了人工提取的特征进行分类，并没有用到数据的时序信息，作者基于LSTM提取出时序信息和人工提取的特征，用决策树进行分类。2.3主要内容拥塞控制主要有四个阶段：慢启动

Siberia_·2023-10-19 09:59

Covariance Estimators协方差估计大比拼：性能、应用场景和可视化对比总结

这种关系有助于我们理解数据的分布，进而可以用于特征选择、降维、异常检测等多种机器学习任务。

Mr数据杨·2023-10-19 07:30

Detecting Multivariate Time Series Anomalies with Zero Known Label（论文翻译）

零已知标记的多变量时间序列异常检测目录摘要简介相关工作时间序列异常检测图结构学习异常检测的归一化流程准备标准化流程方法数据准备整体结构基于自我注意的图结构学习时空条件实体感知规范化流程联合优化异常检测和解释异常检测异常解释实验设置数据集实现细节评估指标

Austismes·2023-10-18 12:24

【论文阅读 10】Unsupervised Anomaly Detection for Surface Defects With Dual-Siamese Network

基于双孪生网络的表面缺陷无监督异常检测IEEETRANSACTIONSONINDUSTRIALINFORMATICS0.摘要在真实工业场景下，无监督异常检测面临挑战，因为少量的正常图像提供有限的区分信息

不菜不菜·2023-10-17 08:25

工业异常检测顶会论文及源码合集，含2023最新

为了更高效地解决工业场景中的这一问题，近年来工业异常检测出现了许多值得一看的突破性成果，我简单整理了一部分，今天就来和同学们分享分享。

深度之眼·2023-10-17 00:10

noob鸽·2023-10-16 22:27

如何利用IP地址定位保护网络安全？

以下是如何利用IP地址定位来保护网络安全的一些方法：异常检测和入侵检测：监控网络上的IP地址流量，定位异常活动，如大规模的连接尝试、不寻常的数据传输、异常的登录行为等。

IP数据云官方·2023-10-15 09:02

【论文笔记】CVPR2022：Anomaly Detection via Reverse Distillation From One-Class Embedding

CVPR2022：AnomalyDetectionviaReverseDistillationFromOne-ClassEmbedding本文提出了一种由教师编码器和学生解码器组成的新颖T-S模型：“逆向蒸馏”（ReverseDistillation）。与之前的知识蒸馏模型不同，学生网络不是直接接收原始图像，而是将教师模型的单类嵌入（OneClassEmbedding）作为输入，并旨在恢复教师的多

yjttjyyy·2023-10-15 07:14

树模型（一）孤立森林

孤立森林（IsolationForest）算法是西瓜书作者周志华老师的团队研究开发的算法，一般用于结构化数据的异常检测。

湿物男·2023-10-14 21:31

异常检测-T² (Hotelling‘s T-squared) 统计量和SPE (Squared Prediction Error) 统计量

T²统计量和SPE统计量一、T²(Hotelling'sT-squared)统计量:二、SPE(SquaredPredictionError)统计量:基于主成分分析(PCA)的故障诊断是一种常见的统计方法，用于检测和识别过程中的异常情况。在这种方法中，T²(Hotelling’sT-squared)统计量和SPE(SquaredPredictionError)统计量是两个核心指标。一、T²(Hot

幸福右手牵·2023-10-14 18:45

毕业设计-基于深度学习的网络流量异常检测系统

目录前言课题背景和意义实现技术思路一、网络流量检测与深度学习二、SDA算法模型的网络流量异常检测方法三、LSTM算法模型的网络流量异常检测方法实现效果图样例最后前言大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备

HaiLang_IT·2023-10-14 03:40

自编码器Auto-Encoder

在时间序列异常检测场景下，异常对于正常来说是少

llurran·2023-10-13 06:48

(二十八)项目实战|交易数据异常检测(三)-python数据分析与机器学习实战(学习笔记)

文章原创,最近更新：2018-06-41.混淆矩阵课程来源:python数据分析与机器学习实战-唐宇迪课程资料:这里所涉及到的练习资料creditcard.csv相关的链接以及密码如下:链接:https://pan.baidu.com/s/1APgU4cTAaM9zb8_xAIc41Q密码:xgg7这节课主要介绍什么叫混淆矩阵?混淆矩阵是由一个坐标系组成的,有x轴以及y轴,在x轴里面有0和1,在y

努力奋斗的durian·2023-10-12 02:21

【毕业设计】机器学习恶意流量识别检测（异常检测） - 网络安全信息安全

文章目录1简介1背景2恶意软件加密流量介绍2.1恶意软件分类2.2恶意软件加密通信方式3加密HTTPS流量解析3.1Https简介4流量解析4.1流量解析日志生成4.2流量解析日志中的数据关联4.3流量解析的证书日志5机器学习特征分类5.1构建4元组5.2特征提取5.2.1连接特征5.2.2SSL特征5.2.3证书特征6分类及预测效果7构建实时系统8关键代码9最后1简介Hi，大家好，这里是丹成学长

caxiou·2023-10-11 07:07

基于机器学习的异常检测与分析技术

传统的运维方式在监控、问题发现、告警以及故障处理等各个环节均存在明显不足，需要大量依赖人的经验，在数据采集、异常诊断分析、故障处理的效率等方面有待提高。本关键技术面对传统运维故障处理效率低、问题定位不准确、人力成本高三大痛点，将人工智能与运维相结合，由AI逐步取代人力决策，通过机器学习方法，快速给出决策建议或提前规避故障，实现网云业务智能分析和优化，从而极大提高运维生产力。总体来说智能运维比传统运

我爱Python数据挖掘·2023-10-11 06:00

异常检测Task4

基于相似度的方法基于距离的度量基于密度的度量概述“异常”通常是一个主观的判断，什么样的数据被认为是“异常”的，需要结合业务背景和环境来具体分析确定。实际上，数据通常嵌入在大量的噪声中，而我们所说的“异常值”通常指具有特定业务意义的那一类特殊的异常值。噪声可以视作特性较弱的异常值，没有被分析的价值。噪声和异常之间、正常数据和噪声之间的边界都是模糊的。异常值通常具有更高的离群程度分数值，同时也更具

penta_ever·2023-10-10 12:14

【 Edge Impulse平台】相关介绍

本文章介绍EdgeImpulse平台数据训练的过程关于平台的一些操作，请参考：【ESP32+EdgeImpulse平台】运行AI算法模拟多传感器数据融合实现异常检测”目录1.传感器数据融合前言2.参考资料

Intoxicated_Rookie·2023-10-09 20:28

吴恩达机器学习（十九）—— 异常检测

1.问题的动机2.高斯分布3.算法4.开发和评价异常检测系统5.异常检测与监督学习对比6.选择特征7.多元高斯分布8.使用多元高斯分布进行异常检测1.问题的动机 异常检测是机器学习算法的一个常见应用，

大彤小忆·2023-10-09 16:44

异常检测-高维异常

维度诅咒不止给异常检测带来了挑战，对距离的计算，聚类都带来了难题。

Q_cy·2023-10-09 16:19

数据挖掘（异常检测）——线性方法

DataWhale组队学习2021.05组队学习系列笔记三异常检测（线性方法）大纲补充内容：一、PCA实现流程，设有m条n维数据：S1.将原始数据按列组成n行m列矩阵X；S2.将X的每一行进行零均值化，

EL33·2023-10-08 21:13

工业异常检测:mixed attention auto encoder for multi-class industrial anomaly detection

：JiangqiLiu,FengWang作者单位：EastChinaNormalUniversity论文链接：http://arxiv.org/abs/2309.12700v1内容简介：1）方向：工业异常检测

学术菜鸟小晨·2023-10-06 17:16

吴恩达机器学习（八）

异常检测第一百二十三课：问题动机什么是异常检测？判断xtext，即新的飞机引擎是否能像一个正常的引擎一样工作？

带刺的小花_ea97·2023-10-06 10:31

【Machine Learning】23.Anomaly Detection 异常检测

AnomalyDetection异常检测1.导入2.AnomalyDetection异常检测2.1问题描述2.2数据集2.3高斯分布2.3.1EstimatingparametersforaGaussianExercise12.3.2

KiraFenvy·2023-10-04 03:09

视频异常检测：Human Kinematics-inspired Skeleton-based Video Anomaly Detection

NanjingNormalUniversity;TheHongKongPolytechnicUniversity论文链接：http://arxiv.org/abs/2309.15662v1内容简介：1）方向：视频异常检测

学术菜鸟小晨·2023-09-30 16:02

【ESP32 + Edge Impulse平台】运行AI算法模拟多传感器数据融合实现异常检测

本教程介绍如何使用EdgeImpulse和机器学习来实现ESP32异常检测系统，系统使用一个机器学习模型，检测气体何时出现异常。

Intoxicated_Rookie·2023-09-28 22:31

异常检测（iforest）孤立森林做反欺诈

异常检测是反欺诈中的很少一部分，还有其他很多方法来做反欺诈，图谱相关我觉得是最有效果的反欺诈。

智能互连·2023-09-28 18:11

MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection

AbstractMIST多实例自训练框架来有效提炼仅具有视频级注释的特定人物区别性表示。MIST由两部分组成（1）多实例伪标签生成器，该生成器采用稀疏连续采样策略产生更可靠的clip-level伪标签。（2）self-attentionfeatureencoder，该encoder目的是自动关注帧中的异常区域，同时提取特定的任务表示。作者采用自训练方案优化两个组件，最终获得任务特定的特征encod

羽劭icon·2023-09-27 15:10

linux安全工具（RKHunter）

在官方资料中，RKHunter可以做的事情有：MD5校验测试，检测文件是否有改动检测rootkit使用的二进制和系统工具文件检测特洛伊木马程序的特征码检测常用程序的文件属性是否异常检测系统相关的测试检测隐藏文件检测可疑的核心模块

Anime777·2023-09-27 03:17

异常检测：探索数据深层次背后的奥秘《中篇》

异常检测：探索数据深层次背后的奥秘《中篇》1.异常检测——线性相关方法真实数据集中不同维度的数据通常具有高度的相关性，这是因为不同的属性往往是由相同的基础过程以密切相关的方式产生的。

汀、人工智能·2023-09-25 23:14

异常检测：探索数据深层次背后的奥秘《上篇》

异常检测：探索数据深层次背后的奥秘《上篇》1、什么是异常检测异常检测（OutlierDetection），顾名思义，是识别与正常数据不同的数据，与预期行为差异大的数据。

汀、人工智能·2023-09-25 23:44

异常检测：探索数据深层次背后的奥秘《下篇》---高维数据异常检测：孤立森林

异常检测：探索数据深层次背后的奥秘《下篇》异常检测——高维数据异常检测：孤立森林在实际场景中，很多数据集都是多维度的。

汀、人工智能·2023-09-25 23:11

推荐频道

异常检测（Anomaly