論文の概要: Wireless Sensor Networks anomaly detection using Machine Learning: A Survey

• arxiv url: http://arxiv.org/abs/2303.08823v1
• Date: Wed, 15 Mar 2023 15:02:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 18:27:16.300559
• Title: Wireless Sensor Networks anomaly detection using Machine Learning: A Survey
• Title（参考訳）: 機械学習を用いた無線センサネットワーク異常検出:調査
• Authors: Ahsnaul Haque, Md Naseef-Ur-Rahman Chowdhury, Hamdy Soliman, Mohammad Sahinur Hossen, Tanjim Fatima, and Imtiaz Ahmed
• Abstract要約: 無線センサネットワーク(WSN)は、様々な民間・軍事用途でますます価値が高まっている。 WSNによって生成された知覚されたデータは、しばしばノイズが多く信頼できないため、異常を検出して診断することは困難である。 機械学習(ML)技術は、知覚されたデータ中の異常なパターンを検出し識別することで、この問題に対処するために広く利用されている。
• 参考スコア（独自算出の注目度）: 1.2699602067359046
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Wireless Sensor Networks (WSNs) have become increasingly valuable in various civil/military applications like industrial process control, civil engineering applications such as buildings structural strength monitoring, environmental monitoring, border intrusion, IoT (Internet of Things), and healthcare. However, the sensed data generated by WSNs is often noisy and unreliable, making it a challenge to detect and diagnose anomalies. Machine learning (ML) techniques have been widely used to address this problem by detecting and identifying unusual patterns in the sensed data. This survey paper provides an overview of the state of the art applications of ML techniques for data anomaly detection in WSN domains. We first introduce the characteristics of WSNs and the challenges of anomaly detection in WSNs. Then, we review various ML techniques such as supervised, unsupervised, and semi-supervised learning that have been applied to WSN data anomaly detection. We also compare different ML-based approaches and their performance evaluation metrics. Finally, we discuss open research challenges and future directions for applying ML techniques in WSNs sensed data anomaly detection.
• Abstract（参考訳）: 無線センサネットワーク(WSN)は、産業プロセス制御、構造物の構造強度モニタリング、環境モニタリング、国境侵入、IoT(モノのインターネット)、医療などの土木工学アプリケーションなど、様々な土木/軍事アプリケーションにおいて、ますます価値が高まっている。 しかし、wsnsによって生成されたセンシングされたデータは、しばしば騒がしく信頼できないため、異常の検出と診断が困難である。 機械学習(ML)技術は、知覚されたデータの異常なパターンを検出し識別することでこの問題に対処するために広く利用されている。 本稿では,WSN領域におけるデータ異常検出におけるML技術の適用状況について概説する。 まず、WSNの特徴と、WSNにおける異常検出の課題を紹介する。 次に,WSNデータ異常検出に適用された教師なし,教師なし,半教師付き学習など,さまざまなML手法について検討する。 また、異なるMLベースのアプローチとそのパフォーマンス評価指標を比較します。 最後に,WSN が検出したデータ異常検出に ML 技術を適用するためのオープンな研究課題と今後の方向性について論じる。

関連論文リスト

• Anomaly Detection of Tabular Data Using LLMs [54.470648484612866]
  我々は,事前訓練された大規模言語モデル (LLM) がゼロショットバッチレベルの異常検出器であることを示す。 本稿では,実異常検出におけるLCMの潜在性を明らかにするために,エンドツーエンドの微調整手法を提案する。
  論文  参考訳（メタデータ） (2024-06-24T04:17:03Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• Anomaly Detection in Industrial Machinery using IoT Devices and Machine Learning: a Systematic Mapping [0.0]
  IoT(Internet of Things)は、産業機械から大量のデータを収集することを可能にする。 しかし、モノのインターネットによって生成されるデータの量と複雑さは、人間が手動で異常を検出するのを困難にしている。 機械学習(ML)アルゴリズムは、生成されたデータを分析することによって、産業機械における異常検出を自動化することができる。
  論文  参考訳（メタデータ） (2023-07-28T20:58:00Z)
• 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)
• Exploring the Use of Data-Driven Approaches for Anomaly Detection in the Internet of Things (IoT) Environment [4.724825031148412]
  IoT(Internet of Things)は、物理コンピューティングデバイス、センサー、ソフトウェア、その他のテクノロジを接続するシステムである。 データは、人間のインタラクションを必要とせずに、ネットワーク上の他のデバイスと収集、転送、交換することができる。 近年,IoT環境における異常検出の研究が普及し,その必要性が高まっている。
  論文  参考訳（メタデータ） (2022-12-31T06:28:58Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Applications of Generative Adversarial Networks in Anomaly Detection: A Systematic Literature Review [28.752089275446462]
  GAN(Generative Adversarial Network)は異常検出研究において大きな注目を集めている。 本稿では,GANの異常検出への応用について,系統的な文献レビューを行う。
  論文  参考訳（メタデータ） (2021-10-22T21:48:48Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• Smart Anomaly Detection in Sensor Systems: A Multi-Perspective Review [0.0]
  異常検出は、期待される振る舞いから著しく逸脱するデータパターンを特定することに関わる。 データ分析からe-health、サイバーセキュリティ、予測メンテナンス、障害防止、産業自動化に至るまで、幅広いアプリケーション領域があるため、これは重要な研究課題である。 本稿では,センサシステムの特定の領域における異常検出に使用される最先端手法について概説する。
  論文  参考訳（メタデータ） (2020-10-27T09:56:16Z)
• 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)
• 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。