виявлення аномалій

The research introduces a hybrid behavioural analysis technique for early detection of anomalous user behavior observed on web applications. This strategy involves statistical probability modeling and sequence- based deep learning to design interpretable and robust anomaly detection. A probability baseline has been obtained as a probabilistic basis using KDE (Kernel Density Estimation) and longitudinal time series patterns are sampled using an LSTM network. The hybrid anomaly score combines these two models to dynamically analyze behavioural deviations.

Розглянуто проблему виявлення аномалій у мережному трафіку та запропоновано комплексне рішення для підвищення рівня кібербезпеки організацій різного масштабу. Здійснено порівняльний аналіз наявних систем моніторингу та виявлення аномалій, включаючи як відкриті рішення, так і комерційні продукти.

Однією з прикладних геодезичних задач для геодинаміки є виявлення аномальних відхилень у часових рядах ГНСС, що можуть свідчити про деформації земної поверхні спричинені впливом різних геофізичних явищ. Важливо зазначити, що геодинамічні аномалії можуть мати локальний характер та проявлятися лише на одній ГНСС-станції або регіональний характер і проявлятися одночасно у групі часових ГНСС- рядів. Метою цієї статті є розроблення методу виявлення геодинамічних аномалій у часових рядах ГНСС з використанням алгоритмів машинного навчання.

Стрімке поширення технології Інтернету речей (IoT) призвело до безпрецедентного росту обсягів неоднорідних даних з розподілених пристроїв. Цей величезний потік даних робить все більш важливим впровадження надійних і ефективних методів виявлення аномалій в режимі реального часу, які можуть попередити про проблеми у розподілених системах. Виявлення аномалій даних є критично важливим у сучасному світі, оскільки воно дозволяє на ранній стадії виявляти відхилення, які можуть свідчити про збої в роботі системи, порушення безпеки або операційну неефективність.

Класифікація аномалій з використанням Протоколу Граничного Шлюзу (BGP) є важливою для забезпечення стабільності та безпеки Інтернету, оскільки такі аномалії можуть порушувати роботу та надійність мережі. У попередніх дослідженнях цієї предметної області було проаналізовано вплив базових характеристик повідомлень оновлення BGP на моделі виявлення аномалій, проте описані підходи часто використовують методи з високою обчислювальною складністю, важкі для розуміння та можуть викликати труднощі при заміні наборів даних чи тренувальних моделей.