使用机器学习创建异常检测

Posted 2023-02-15

【中文标题】使用机器学习创建异常检测

【英文标题】：Creating anomaly detection using machine learning

【发布时间】：2017-12-09 16:02:00

【问题描述】：

弹性堆栈的新x-pack ML 给我留下了深刻的印象。他们的技术似乎可以随着时间的推移学习数据模式，并且可以预测多个领域的异常情况。

放大：

我想知道可以使用什么方法和网络拓扑来创建类似的功能。假设由于 x-pack 处理时间序列数据，RNN 将是一个好的开始，是否公平？

对您的意见和参考感兴趣。

【问题讨论】：

重复：***.com/questions/47213120/…

【参考方案1】：

根据我的阅读，如果他们使用神经网络，我会感到惊讶。以下是他们检测异常的说法：

通过构建“典型”用户或机器的配置文件来检测群体中的异常值，以了解何时开始偏离群体。

像这样进行异常检测只需要对观察到的行为是否在预期行为的 2-3 个标准偏差范围内进行统计测试。

如果您出于某种原因想使用神经网络，可以使用 CNN、RNN 或仅注意力网络。 Google recently showed that you don't need RNNs or CNNs to do state-of-the-art translation.

【讨论】：

论文中提出的注意力机制，只是NN“编码器”的一部分，由N=6个相同的层组成。每层有两个子层。第一个是多头自注意力机制，二是简单的、按位置的全连接前馈网络”

@RoniGadot，我的意思是 OP 不一定需要像 RNN 这样复杂的东西。 Google 的网络是一个前馈（无重复）网络，对序列进行操作。