論文の概要: MTAD: Tools and Benchmarks for Multivariate Time Series Anomaly Detection

• arxiv url: http://arxiv.org/abs/2401.06175v1
• Date: Wed, 10 Jan 2024 06:50:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 21:20:56.202569
• Title: MTAD: Tools and Benchmarks for Multivariate Time Series Anomaly Detection
• Title（参考訳）: MTAD:多変量時系列異常検出のためのツールとベンチマーク
• Authors: Jinyang Liu, Wenwei Gu, Zhuangbin Chen, Yichen Li, Yuxin Su, Michael R. Lyu
• Abstract要約: 本稿では,12種類の最先端異常検出手法の総合的なレビューと評価を行う。 本研究では,種々の異常検出器の特性をよりよく理解するために,サリエンスと呼ばれる新しい指標を提案する。 本稿では, 産業展開において, 精度, サリエンス, 効率, 遅延の両面からベンチマーク結果を報告する。
• 参考スコア（独自算出の注目度）: 34.81779490744863
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Key Performance Indicators (KPIs) are essential time-series metrics for ensuring the reliability and stability of many software systems. They faithfully record runtime states to facilitate the understanding of anomalous system behaviors and provide informative clues for engineers to pinpoint the root causes. The unprecedented scale and complexity of modern software systems, however, make the volume of KPIs explode. Consequently, many traditional methods of KPI anomaly detection become impractical, which serves as a catalyst for the fast development of machine learning-based solutions in both academia and industry. However, there is currently a lack of rigorous comparison among these KPI anomaly detection methods, and re-implementation demands a non-trivial effort. Moreover, we observe that different works adopt independent evaluation processes with different metrics. Some of them may not fully reveal the capability of a model and some are creating an illusion of progress. To better understand the characteristics of different KPI anomaly detectors and address the evaluation issue, in this paper, we provide a comprehensive review and evaluation of twelve state-of-the-art methods, and propose a novel metric called salience. Particularly, the selected methods include five traditional machine learning-based methods and seven deep learning-based methods. These methods are evaluated with five multivariate KPI datasets that are publicly available. A unified toolkit with easy-to-use interfaces is also released. We report the benchmark results in terms of accuracy, salience, efficiency, and delay, which are of practical importance for industrial deployment. We believe our work can contribute as a basis for future academic research and industrial application.
• Abstract（参考訳）: KPI(Key Performance Indicator)は、多くのソフトウェアシステムの信頼性と安定性を保証するために必要不可欠な時系列メトリクスである。 ランタイム状態を忠実に記録し、異常なシステム動作の理解を促進し、エンジニアが根本原因を特定できる情報を提供する。 しかし、現代のソフトウェアシステムの前例のない規模と複雑さは、KPIの体積を爆発させる。 その結果、伝統的なkpi異常検出法は非実用的となり、学界と産業の両方における機械学習ベースのソリューションの急速な発展の触媒となる。 しかしながら、これらのKPI異常検出手法には厳密な比較が欠如しており、再実装には自明な努力が必要である。 さらに、異なる研究が異なるメトリクスを持つ独立した評価プロセスを採用することを観察する。 モデルの能力を完全には明らかにしないものもあるし、進歩の錯覚を生み出しているものもある。 種々のKPI異常検出器の特性をよりよく理解し,評価問題に対処するために,本稿では,12種類の最先端手法の総合的なレビューと評価を行い,サリエンスと呼ばれる新しい指標を提案する。 特に、選択された方法は、5つの伝統的な機械学習ベースの方法と7つのディープラーニングベースの方法を含む。 これらの手法は、公開されている5つの多変量KPIデータセットを用いて評価される。 使いやすいインターフェースを備えた統一ツールキットもリリースされた。 我々は,産業展開において実用上重要である正確性,塩分,効率性,遅延の観点からベンチマーク結果を報告する。 我々の研究は、将来の学術研究と産業応用の基盤として貢献できると信じています。

関連論文リスト

• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Malicious code detection in android: the role of sequence characteristics and disassembling methods [0.0]
  本研究では,研究者が管理するモデルの精度に影響を及ぼす要因について検討・強調する。 その結果, 分解法と異なる入力表現がモデル結果に影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2023-12-02T11:55:05Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• SECOE: Alleviating Sensors Failure in Machine Learning-Coupled IoT Systems [0.0]
  本論文は,センサ障害を同時に緩和するための積極的なアプローチであるSECOEを提案する。 SECOEは、センサー間の相関を利用してアンサンブル内のモデル数を最小化する新しい技術を含んでいる。 実験の結果,SECOEはセンサ故障の有無の予測精度を効果的に維持することがわかった。
  論文  参考訳（メタデータ） (2022-10-05T10:58:39Z)
• What are the best systems? New perspectives on NLP Benchmarking [10.27421161397197]
  そこで本研究では,各タスクのパフォーマンスに基づいて,システムにランク付けする新しい手法を提案する。 社会的選択理論によって動機付けられ、各タスクによって誘導されるランクを集約することで最終システム順序付けが得られる。 本手法は, 平均集約法とは異なる, 最先端システム上での結論を導出することを示す。
  論文  参考訳（メタデータ） (2022-02-08T11:44:20Z)
• DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
  DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。 DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
  論文  参考訳（メタデータ） (2021-09-21T10:38:26Z)
• An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
  我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。 本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
  論文  参考訳（メタデータ） (2021-08-09T17:39:09Z)
• Experience Report: Deep Learning-based System Log Analysis for Anomaly Detection [30.52620190783608]
  我々は6つの最先端の異常検知器で使用される5つの人気モデルのレビューと評価を行う。 選択された方法のうち4つは教師なし、残りの2つは教師なしである。 我々は,本研究がこの分野の基礎となり,今後の学術研究や産業応用に貢献できると考えている。
  論文  参考訳（メタデータ） (2021-07-13T08:10:47Z)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)

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。