論文の概要: A Hybrid Approach for Smart Alert Generation

• arxiv url: http://arxiv.org/abs/2306.07983v1
• Date: Fri, 2 Jun 2023 14:52:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 12:21:21.494374
• Title: A Hybrid Approach for Smart Alert Generation
• Title（参考訳）: スマートアラート生成のためのハイブリッドアプローチ
• Authors: Yao Zhao, Sophine Zhang, Zhiyuan Yao
• Abstract要約: 異常検出はネットワーク管理において重要な課題である。 現実世界の大規模ネットワークシステムにインテリジェントなアラートシステムをデプロイすることは難しい。 統計モデルとホワイトリスト機構を組み合わせた警告システムのためのハイブリッドモデルを提案する。
• 参考スコア（独自算出の注目度）: 28.38472792385083
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anomaly detection is an important task in network management. However, deploying intelligent alert systems in real-world large-scale networking systems is challenging when we take into account (i) scalability, (ii) data heterogeneity, and (iii) generalizability and maintainability. In this paper, we propose a hybrid model for an alert system that combines statistical models with a whitelist mechanism to tackle these challenges and reduce false positive alerts. The statistical models take advantage of a large database to detect anomalies in time-series data, while the whitelist filters out persistently alerted nodes to further reduce false positives. Our model is validated using qualitative data from customer support cases. Future work includes more feature engineering and input data, as well as including human feedback in the model development process.
• Abstract（参考訳）: 異常検出はネットワーク管理において重要なタスクである。 しかし、実世界の大規模ネットワークシステムにおけるインテリジェントなアラートシステムの導入は、考慮に入れると困難である。 (i)スケーラビリティ。 (ii)データの不均一性、及び (iii)汎用性と保守性。 本稿では,これらの課題に対処し,誤検出を減らすために,統計モデルとホワイトリスト機構を組み合わせた警告システムのハイブリッドモデルを提案する。 統計モデルは、時系列データの異常を検出するために大きなデータベースを利用する一方、ホワイトリストは永続的に警告されたノードをフィルターして偽陽性を減らす。 本モデルは,顧客支援事例の質的データを用いて検証する。 今後の作業には、機能エンジニアリングと入力データ、モデル開発プロセスにおける人間のフィードバックが含まれる。

関連論文リスト

• Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
  時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。 既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。 本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
  論文  参考訳（メタデータ） (2024-11-24T04:56:45Z)
• Forewarned is Forearmed: Leveraging LLMs for Data Synthesis through Failure-Inducing Exploration [90.41908331897639]
  大規模言語モデル(LLM)は、多種多様な高品質なタスク特化データのトレーニングの恩恵を受けている。 本稿では,効果的なトレーニングサンプルを自動生成する新しい手法であるReverseGenを提案する。
  論文  参考訳（メタデータ） (2024-10-22T06:43:28Z)
• Enhancing Pre-Trained Language Models for Vulnerability Detection via Semantic-Preserving Data Augmentation [4.374800396968465]
  本稿では,脆弱性検出のための事前学習言語モデルの性能向上を目的としたデータ拡張手法を提案する。 一連の代表的なコード事前訓練モデルの微調整に当社のデータセットを組み込むことで、最大10.1%の精度向上と23.6%のF1増加を達成することができる。
  論文  参考訳（メタデータ） (2024-09-30T21:44:05Z)
• Reliable Feature Selection for Adversarially Robust Cyber-Attack Detection [0.0]
  この研究は、複数のメソッドを組み合わせて複数のネットワークデータセットに適用する機能選択とコンセンサスプロセスを示す。 データ多様性が向上し、最高の時間関連機能とより具体的な機能セットを選択し、敵のトレーニングを実行することで、MLモデルはより逆向きに堅牢な一般化を実現することができた。
  論文  参考訳（メタデータ） (2024-04-05T16:01:21Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Develop End-to-End Anomaly Detection System [3.130722489512822]
  異常検出は、ネットワークの堅牢性を保証する上で重要な役割を果たす。 本稿では,エンドツーエンドの異常検出モデル開発パイプラインを提案する。 本稿では,新しい予測モデルの導入とベンチマークによるフレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2024-02-01T09:02:44Z)
• Representing Timed Automata and Timing Anomalies of Cyber-Physical Production Systems in Knowledge Graphs [51.98400002538092]
  本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。 モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
  論文  参考訳（メタデータ） (2023-08-25T15:25:57Z)
• AlerTiger: Deep Learning for AI Model Health Monitoring at LinkedIn [4.020770981811131]
  AlerTigerは、企業のAIチームがAIモデルの健康状態を監視するのを支援する。 システムは、モデル統計生成、ディープラーニングベースの異常検出、異常後処理、ユーザ警告の4つの主要なステップで構成されている。
  論文  参考訳（メタデータ） (2023-06-03T01:21:58Z)
• 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)
• Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
  本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。 本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。 この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
  論文  参考訳（メタデータ） (2022-07-23T18:54:10Z)
• CausalAgents: A Robustness Benchmark for Motion Forecasting using Causal Relationships [8.679073301435265]
  既存のデータに摂動を適用することにより、モデルロバスト性の評価と改善のための新しいベンチマークを構築する。 我々はこれらのラベルを使用して、現場から非因果的エージェントを削除することでデータを摂動する。 非因果摂動下では, minADE の相対的な変化は, 原型と比較して25$-$38%である。
  論文  参考訳（メタデータ） (2022-07-07T21:28:23Z)

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。