مروری بر معماریهای مبتنی بر بازسازی در تشخیص ناهنجاری سریهای زمانی چند متغیره
Publish place: 9th National Conference on Modern Studies and Resech in Computer, Electrical, and Mechanical Sciences of Iran
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 61
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCONF09_102
تاریخ نمایه سازی: 17 تیر 1403
Abstract:
تشخیص ناهنجاری روشی برای یافتن نقاط یا نمونه هایی است که از توزیع طبیعی کل مجموعه داده پیروی نمی کنند. تاثیر ناهنجاری وابسته به مسئله ، متغیر است . ناهنجاری می تواند بیانگر یک حمله نفوذی، تقلب مالی و یا بیماری باشد. اهداف دیگر تشخیص ناهنجاری، شناسایی آسیب های صنعتی ، جلوگیری از نشت اطلاعات، شناسایی آسیب پذیریهای امنیتی یا نظارت نظامی است . به دلیل مقیاس بالا و دوره طولانی نمونه های سریهای زمانی صنعتی ، روشهای تشخیص ناهنجاری سریهای زمانی سنتی نمی توانند نیازهای موجود در دنیای واقعی را برآورده کنند. علاوه بر این ، روشهای نظارت شده به دلیل عدم توازن در دسته ها، نمی توانند در مجموعه دادههای صنعتی به دقت بالایی دست یابند. به علاوه، فراهم کردن برچسب برای نمونه ها بسیار پرهزینه ، دشوار و نیازمند افراد متخصص است . بنابراین استفاده از روشهای بدون نظارت در این مسئله کاربردیتر است . در این پژوهش ، مروری بر روشهای مبتنی بر بازسازی در تشخیص ناهنجاری سریهای زمانی چندمتغیره شده است . با وجود پیشرفت ها و بهبودهای حاصل ، اکثر روشها به طور صریح یاد نمی گیرند که کدام حسگرها به یکدیگر مرتبط هستند، بنابراین در مدلسازی نمونه های حسگر با بسیاری از روابط متقابل بالقوه با مشکلاتی مواجه می شوند. این موضوع، توانایی آنها برای تشخیص و توضیح انحرافات از چنین روابطی در هنگام وقوع رویدادهای ناهنجار را محدود می کند.
Keywords:
Authors
سیده تینا صفاتی
دانشجوی دکترا مهندسی کامپیوتر، گرایش هوش مصنوعی ، دانشگاه تبریز
سیدناصر رضوی
استاد گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز
پدرام صالح پور
استاد گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز