論文の概要: Hybrid Model for Anomaly Detection on Call Detail Records by Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2006.04101v3
• Date: Tue, 19 Oct 2021 15:23:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 07:38:28.176139
• Title: Hybrid Model for Anomaly Detection on Call Detail Records by Time Series Forecasting
• Title（参考訳）: 時系列予測によるコールディテール記録の異常検出のためのハイブリッドモデル
• Authors: Aryan Mokhtari, Leyla Sadighi, Behnam Bahrak, Mojtaba Eshghie
• Abstract要約: 携帯電話ネットワークのコール・デテール・レコード(Call Detail Records, CDR)は、コールのメタデータを含むログの一種である。 異常検出により、地域や特定の人に対する異常なネットワークトラフィックの減少や増加を判定することができる。 本研究の主な目的は,携帯電話ネットワークにおける加入者の動作を,主に地域内の呼び出し数を予測し,ネットワークトラフィックの異常を検出することである。
• 参考スコア（独自算出の注目度）: 19.829840955308292
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile network operators store an enormous amount of information like log files that describe various events and users' activities. Analysis of these logs might be used in many critical applications such as detecting cyber-attacks, finding behavioral patterns of users, security incident response, network forensics, etc. In a cellular network Call Detail Records (CDR) is one type of such logs containing metadata of calls and usually includes valuable information about contact such as the phone numbers of originating and receiving subscribers, call duration, the area of activity, type of call (SMS or voice call) and a timestamp. With anomaly detection, it is possible to determine abnormal reduction or increment of network traffic in an area or for a particular person. This paper's primary goal is to study subscribers' behavior in a cellular network, mainly predicting the number of calls in a region and detecting anomalies in the network traffic. In this paper, a new hybrid method is proposed based on various anomaly detection methods such as GARCH, K-means, and Neural Network to determine the anomalous data. Moreover, we have discussed the possible causes of such anomalies.
• Abstract（参考訳）: モバイルネットワークオペレータは、さまざまなイベントやユーザのアクティビティを記述するログファイルなどの膨大な情報を格納する。 これらのログの分析は、サイバー攻撃の検出、ユーザの行動パターンの発見、セキュリティインシデント対応、ネットワーク検査など、多くの重要なアプリケーションで使用される可能性がある。 セルラーネットワーク通話詳細記録(cdr)は、通話のメタデータを含むそのようなログの1つのタイプであり、通常、発信者および受信者の電話番号、通話時間、活動領域、通話の種類(smsまたは音声通話)、タイムスタンプなどの連絡先に関する貴重な情報を含む。 異常検出により、地域または特定の人に対するネットワークトラフィックの異常な減少または増加を判定することができる。 本研究の主な目的は,携帯電話ネットワークにおける加入者の動作を,主に地域内の呼び出し数を予測し,ネットワークトラフィックの異常を検出することである。 本稿では,garch,k-means,ニューラルネットワークなどの様々な異常検出法に基づいて,異常データを決定する新しいハイブリッド手法を提案する。 さらに,このような異常の原因についても検討した。

関連論文リスト

• GLAD: Content-aware Dynamic Graphs For Log Anomaly Detection [49.9884374409624]
  GLADは、システムログの異常を検出するように設計されたグラフベースのログ異常検出フレームワークである。 システムログの異常を検出するために設計されたグラフベースのログ異常検出フレームワークであるGLADを紹介する。
  論文  参考訳（メタデータ） (2023-09-12T04:21:30Z)
• Leveraging a Probabilistic PCA Model to Understand the Multivariate Statistical Network Monitoring Framework for Network Security Anomaly Detection [64.1680666036655]
  確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。 2つの異なるデータセットを用いて数学的モデルを評価した。
  論文  参考訳（メタデータ） (2023-02-02T13:41:18Z)
• A Multi-View Framework for BGP Anomaly Detection via Graph Attention Network [4.120328427084187]
  BGP(Border Gateway Protocols)は、インターネット上のルーティング到達可能性情報を交換するためのデフォルトプロトコルである。 BGP異常検出モデルは、リアルタイム監視とアラート機能を通じて、インターネット上の安定したルーティングサービスを保証する。
  論文  参考訳（メタデータ） (2021-12-23T05:03:52Z)
• A Semi-Supervised Approach for Abnormal Event Prediction on Large Operational Network Time-Series Data [1.544681800932596]
  本稿では,ネットワーク時系列と時間点間の依存関係を効率的にキャプチャする半教師付き手法を提案する。 本手法は, 正規および異常サンプルに対する分離可能な埋め込み空間を明示的に学習するために, ラベル付き限られたデータを使用することができる。 実験により,我々の手法は大規模実世界のネットワークログ上でのイベント検出において,最先端の手法よりも著しく優れていた。
  論文  参考訳（メタデータ） (2021-10-14T18:33:57Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• Few-shot Network Anomaly Detection via Cross-network Meta-learning [45.8111239825361]
  GDN(Graph Deviation Networks)という新しいタイプのグラフニューラルネットワークを提案します。 GDNは少数のラベル付き異常を利用して、ネットワーク上の異常ノードと正常ノードの間に統計的に有意なずれを生じさせる。 提案したGDNを新しいクロスネットワークメタラーニングアルゴリズムで実装し,マルチショットネットワーク異常検出を実現した。
  論文  参考訳（メタデータ） (2021-02-22T16:42:37Z)
• DNS Covert Channel Detection via Behavioral Analysis: a Machine Learning Approach [0.09176056742068815]
  本稿では,ネットワーク監視システムから受動的に抽出されたDNSネットワークデータの解析に基づいて,効果的な隠蔽チャネル検出手法を提案する。 提案手法は15日間の実験実験で評価され,最も関連する流出・トンネル攻撃をカバーするトラフィックを注入した。
  論文  参考訳（メタデータ） (2020-10-04T13:28:28Z)
• Experimental Review of Neural-based approaches for Network Intrusion Management [8.727349339883094]
  本稿では,侵入検出問題に適用したニューラルネットワーク手法の実験的検討を行う。 私たちは、ディープベースアプローチやウェイトレスニューラルネットワークを含む、侵入検出に関連する最も顕著なニューラルネットワークベースのテクニックの完全なビューを提供します。 我々の評価は、特に最先端のデータセットを使用してモデルのトレーニングを行う場合、ニューラルネットワークの価値を定量化する。
  論文  参考訳（メタデータ） (2020-09-18T18:32:24Z)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。