В чём заключается применение машинного обучения при обнаружении аномалий?

Применение машинного обучения при обнаружении аномалий заключается в следующем:

• Построение прогностической модели. www.geeksforgeeks.org Для этого требуется помеченный набор данных, содержащий как нормальные, так и аномальные выборки. www.geeksforgeeks.org Модель используется для классификации будущих точек данных. www.geeksforgeeks.org

• Группировка данных. www.geeksforgeeks.org В случае неконтролируемого обнаружения аномалий не нужны обучающие данные. www.geeksforgeeks.org Вместо этого делается предположение, что только небольшой процент данных является аномальным, и любая аномалия статистически отличается от обычных выборок. www.geeksforgeeks.org Данные группируются с использованием меры сходства, и точки данных, удалённые от кластера, считаются аномалиями. www.geeksforgeeks.org

Применение машинного обучения позволяет:

• Автоматизировать и оптимизировать процессы поиска аномалий. scilead.ru Это повышает надёжность и отказоустойчивость оборудования, для которого применяются такие методы. scilead.ru

• Выявить и интерпретировать аномалии. ics-cert.kaspersky.ru Предоставляется информация о том, что именно пошло не так. ics-cert.kaspersky.ru Локализуется сигнал, в поведении которого произошло наибольшее расхождение с нормальным поведением. ics-cert.kaspersky.ru

Задачи обнаружения аномалий возникают в различных областях, например, в обнаружении подозрительных банковских операций, вторжений, нестандартных игроков на бирже, неполадок в механизмах по показаниям датчиков. ceur-ws.org