.png){kind=icon}
返回
Deep Learning for Collective Anomaly Detection
.png){kind=icon}
PRE
AI
DOI：10.1145/3788280.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
异常检测一直是跨学科研究的基石，在过去几十年中一直是研究的关键且不断发展的领域。尽管包括深度学习（DL）在内的多种方法已被探索用于设计异常检测的通用解决方案，但关于集体（或群组）异常检测问题（CAD）的系统性综述文章仍显不足。本文填补了这一空白，首次专门针对基于DL的CAD方法进行了全面综述。提出了两级分类法，根据底层算法将CAD方法分为生成型、判别型或混合型，并进一步根据其DL架构对方法进行分类。我们对CAD文献的回顾显示，现有的深度学习方法解决了广泛的应用，包括网络安全、物联网和关键性能指标（KPI）。讨论了CAD的不同应用领域和基准数据集。此外，描述并讨论了CAD常用的数据集及其不同应用场景。最后，概述了解决CAD问题所使用不同趋势的局限性及不足，并讨论了挑战和未来研究方向。
Keyword:
Deep learning
collective anomaly detection
cybersecurity
期刊
IF:
28
论文数:
2.5K
被引数:
3.5W
机构
引用论文
ArnetMiner.png)
Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏Probabilistic topic models with biased propagation on heterogeneous information networksProceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏分享收藏
查看更多内容