論文の概要: Random Partitioning Forest for Point-Wise and Collective Anomaly
Detection -- Application to Intrusion Detection
- arxiv url: http://arxiv.org/abs/2006.16801v2
- Date: Thu, 14 Jan 2021 11:48:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 14:04:38.047956
- Title: Random Partitioning Forest for Point-Wise and Collective Anomaly
Detection -- Application to Intrusion Detection
- Title（参考訳）: ポイントワイズと集合異常検出のためのランダム分割森林 -侵入検知への応用-
- Authors: Pierre-Francois Marteau
- Abstract要約: DiFF-RFはランダムな分割二分木で構成されるアンサンブルアプローチであり、異常を検出する。
実験の結果,DiFF-RFはアイソレーション・フォレスト(IF)アルゴリズムをほぼ体系的に上回っていることがわかった。
我々の経験から,DiFF-RFは小規模な学習データの存在下では有効であることがわかった。
- 参考スコア（独自算出の注目度）: 9.74672460306765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose DiFF-RF, an ensemble approach composed of random
partitioning binary trees to detect point-wise and collective (as well as
contextual) anomalies. Thanks to a distance-based paradigm used at the leaves
of the trees, this semi-supervised approach solves a drawback that has been
identified in the isolation forest (IF) algorithm. Moreover, taking into
account the frequencies of visits in the leaves of the random trees allows to
significantly improve the performance of DiFF-RF when considering the presence
of collective anomalies. DiFF-RF is fairly easy to train, and excellent
performance can be obtained by using a simple semi-supervised procedure to
setup the extra hyper-parameter that is introduced. We first evaluate DiFF-RF
on a synthetic data set to i) verify that the limitation of the IF algorithm is
overcome, ii) demonstrate how collective anomalies are actually detected and
iii) to analyze the effect of the meta-parameters it involves. We assess the
DiFF-RF algorithm on a large set of datasets from the UCI repository, as well
as two benchmarks related to intrusion detection applications. Our experiments
show that DiFF-RF almost systematically outperforms the IF algorithm, but also
challenges the one-class SVM baseline and a deep learning variational
auto-encoder architecture. Furthermore, our experience shows that DiFF-RF can
work well in the presence of small-scale learning data, which is conversely
difficult for deep neural architectures. Finally, DiFF-RF is computationally
efficient and can be easily parallelized on multi-core architectures.
- Abstract（参考訳）: 本稿では,ランダム分割二分木からなるアンサンブルアプローチであるDiFF-RFを提案する。
この半教師付きアプローチは、木の葉の葉で使用される距離に基づくパラダイムのおかげで、孤立林(IF)アルゴリズムで同定された欠点を解消する。
さらに,無作為な木の葉への訪問頻度を考慮すると,集団異常の有無を考慮してDiFF-RFの性能を著しく向上させることができる。
DiFF-RFは訓練が比較的簡単で、簡単な半教師付き手順で導入したハイパーパラメータをセットアップすることで優れた性能を得ることができる。
まず、合成データセット上でDiFF-RFを評価する。
i) ifアルゴリズムの制限が克服されることを確認する。
二 集団的異常が実際にどのように検出され、
三 メタパラメータの効果を分析すること。
UCIレポジトリからの大きなデータセットと,侵入検出アプリケーションに関連する2つのベンチマークに基づいて,DiFF-RFアルゴリズムを評価する。
実験の結果,DiFF-RFはIFアルゴリズムをほぼ体系的に上回り,一級SVMベースラインとディープラーニング変分オートエンコーダアーキテクチャに挑戦していることがわかった。
さらに、私たちの経験から、DiFF-RFは、ディープラーニングアーキテクチャでは逆の難易度を持つ、小規模な学習データの存在下でうまく機能することを示す。
最後に、DiFF-RFは計算効率が良く、マルチコアアーキテクチャで容易に並列化できる。
関連論文リスト
- LeRF: Learning Resampling Function for Adaptive and Efficient Image Interpolation [64.34935748707673]
最近のディープニューラルネットワーク(DNN)は、学習データ前処理を導入することで、パフォーマンスを著しく向上させた。
本稿では,DNNが学習した構造的前提と局所的連続仮定の両方を活かした学習再サンプリング(Learning Resampling, LeRF)を提案する。
LeRFは空間的に異なる再サンプリング関数を入力画像ピクセルに割り当て、ニューラルネットワークを用いてこれらの再サンプリング関数の形状を予測する。
論文 参考訳（メタデータ） (2024-07-13T16:09:45Z) - Enhancing Fast Feed Forward Networks with Load Balancing and a Master Leaf Node [49.08777822540483]
高速フィードフォワードネットワーク(FFF)は、入力空間の異なる領域が広いネットワークのニューロンの異なるサブセットを活性化する観察を利用する。
本稿では,FFFアーキテクチャにロードバランシングとマスタリーフ技術を導入し,性能向上とトレーニングプロセスの簡素化を図る。
論文 参考訳（メタデータ） (2024-05-27T05:06:24Z) - Efficient Frequency Domain-based Transformers for High-Quality Image
Deblurring [39.720032882926176]
本稿では,高画質画像の周波数領域におけるトランスフォーマーの特性を効果的かつ効率的に探索する手法を提案する。
我々は提案したFSASとDFFNをエンコーダとデコーダアーキテクチャに基づく非対称ネットワークに定式化する。
論文 参考訳（メタデータ） (2022-11-22T13:08:03Z) - Disentangled Representation Learning for RF Fingerprint Extraction under
Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。
提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。
実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2022-08-04T15:46:48Z) - MRF-UNets: Searching UNet with Markov Random Fields [25.607512500358723]
本稿では、最近のAdaptive and Optimal Network Width Search (AOWS) 法を拡張し改善する MRF-NAS を提案する。
アーキテクチャ MRF-UNet にはいくつかの興味深い特徴がある。
実験の結果,MRF-UNetsは3つの航空画像データセットと2つの医療画像データセットのベンチマークを著しく上回った。
論文 参考訳（メタデータ） (2022-07-13T13:04:18Z) - Deep Frequency Filtering for Domain Generalization [55.66498461438285]
Deep Neural Networks(DNN)は、学習プロセスにおいて、いくつかの周波数成分を優先する。
本稿では、ドメイン一般化可能な特徴を学習するためのDeep Frequency Filtering (DFF)を提案する。
提案したDFFをベースラインに適用すると,ドメインの一般化タスクにおける最先端の手法よりも優れることを示す。
論文 参考訳（メタデータ） (2022-03-23T05:19:06Z) - A Generalizable Model-and-Data Driven Approach for Open-Set RFF
Authentication [74.63333951647581]
高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。
RFF抽出と識別のために機械学習に基づく手法が提案されている。
生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-10T03:59:37Z) - iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。
IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。
IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
論文 参考訳（メタデータ） (2020-06-23T02:57:29Z)
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。