論文の概要: Isolation-based Spherical Ensemble Representations for Anomaly Detection

• arxiv url: http://arxiv.org/abs/2510.13311v1
• Date: Wed, 15 Oct 2025 09:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.581554
• Title: Isolation-based Spherical Ensemble Representations for Anomaly Detection
• Title（参考訳）: 分離型球面アンサンブル表現による異常検出
• Authors: Yang Cao, Sikun Yang, Hao Tian, Kai He, Lianyong Qi, Ming Liu, Yujiu Yang,
• Abstract要約: 不正検出、ネットワークセキュリティ、ログ監視を対象とするアプリケーションによるデータマイニングと管理において、異常検出は重要なタスクである。 既存の教師なし異常検出手法は、分散仮定の矛盾、計算の非効率性、異なる異常型を扱う難しさなど、基本的な課題に直面している。 Isolation-based Spherical Ensemble Representations (ISER) は, 局所密度特性のプロキシとしてハイパースフィアラジイを用いて, 線形時間と定数空間の複雑さを保ちながら, 既存の分離法を拡張したものである。
• 参考スコア（独自算出の注目度）: 60.989157958972356
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Anomaly detection is a critical task in data mining and management with applications spanning fraud detection, network security, and log monitoring. Despite extensive research, existing unsupervised anomaly detection methods still face fundamental challenges including conflicting distributional assumptions, computational inefficiency, and difficulty handling different anomaly types. To address these problems, we propose ISER (Isolation-based Spherical Ensemble Representations) that extends existing isolation-based methods by using hypersphere radii as proxies for local density characteristics while maintaining linear time and constant space complexity. ISER constructs ensemble representations where hypersphere radii encode density information: smaller radii indicate dense regions while larger radii correspond to sparse areas. We introduce a novel similarity-based scoring method that measures pattern consistency by comparing ensemble representations against a theoretical anomaly reference pattern. Additionally, we enhance the performance of Isolation Forest by using ISER and adapting the scoring function to address axis-parallel bias and local anomaly detection limitations. Comprehensive experiments on 22 real-world datasets demonstrate ISER's superior performance over 11 baseline methods.
• Abstract（参考訳）: 不正検出、ネットワークセキュリティ、ログ監視を対象とするアプリケーションによるデータマイニングと管理において、異常検出は重要なタスクである。 大規模な研究にもかかわらず、既存の教師なし異常検出手法は、相反する分布仮定、計算の非効率性、異なる異常タイプを扱うことの難しさなど、根本的な課題に直面している。 これらの問題に対処するために、線形時間と定数空間の複雑さを維持しつつ、局所密度特性のプロキシとしてハイパースフィアラジイを用いて既存の分離法を拡張したISER(Isolation-based Spherical Ensemble Representations)を提案する。 ISERは、超球ラジイが密度情報をエンコードするアンサンブル表現を構築し、より小さいラジイは密度の高い領域を示し、大きいラジイはスパース領域に対応する。 本稿では,アンサンブル表現と理論的異常参照パターンを比較することで,パターンの整合性を測定する新しい類似性に基づくスコアリング手法を提案する。 さらに、ISERを用いて、軸並列バイアスと局所異常検出限界に対処するためにスコアリング機能を適用することにより、分離林の性能を向上させる。 22の実世界のデータセットに関する総合的な実験は、ISERが11のベースラインメソッドよりも優れたパフォーマンスを示している。

関連論文リスト

• Text Anomaly Detection with Simplified Isolation Kernel [58.13924648777626]
  2段階のアプローチでは、事前訓練された大きな言語モデル埋め込みと異常検出を組み合わせている。 大規模言語モデルによって抽出された高次元密度埋め込みは、かなりのメモリ要件と高い計算時間のために課題を提起する。 本稿では,高次元密度埋め込みを低次元スパース表現にマッピングする簡易分離カーネル(SIK)を提案する。
  論文  参考訳（メタデータ） (2025-10-15T06:35:54Z)
• CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection [54.85000884785013]
  異常検出は、異常の定義の曖昧さ、異常型の多様性、トレーニングデータの不足による複雑な問題である。 識別的基盤モデルと生成的基礎モデルの両方を活用するCLIPfusionを提案する。 本手法は, 異常検出の多面的課題に対処する上で, マルチモーダル・マルチモデル融合の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-13T13:30:15Z)
• Robust Anomaly Detection via Tensor Pseudoskeleton Decomposition [0.0]
  不正取引の特定からネットワークインフラストラクチャの保護、不規則なパターンに対するセンサシステム監視に至るまで、現代のデータ駆動アプリケーションにおいて、異常検出は重要な役割を担っている。 距離、密度、クラスタベースの手法といった従来のアプローチは、高次元テンソルデータに適用した場合、ノイズの複雑さと計算的堅牢性を増幅する複雑な相互依存性を持つ重要な課題に直面している。 本稿では, テンソル・ロスト主成分分析フレームワーク内での千鳥擬似骨格分解を利用して, スパース異常を分離しながら低いタッカーランク構造を抽出し, 異常検出に対する堅牢性を確保する。
  論文  参考訳（メタデータ） (2025-02-14T05:34:57Z)
• Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
  数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。 本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。 提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
  論文  参考訳（メタデータ） (2024-05-22T22:22:25Z)
• Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection [0.0]
  時系列異常検出(TSAD)は多くの産業応用において重要な役割を担っている。 コントラスト学習は、ラベルのないデータから意味のある表現を抽出する過程において、時系列領域で勢いを増している。 本研究では,学習可能な変換で強化されたウィンドウベースのコントラスト学習戦略を取り入れた新しいアプローチであるCNTを提案する。
  論文  参考訳（メタデータ） (2023-04-16T21:36:19Z)
• Anomaly Detection with Domain Adaptation [5.457279006229213]
  この問題を解決するために,不変表現異常検出(IRAD)を提案する。 抽出は、ソース固有のエンコーダやジェネレータと共に訓練されたクロスドメインエンコーダによって達成される。 我々は、桁画像データセット(MNIST、USPS、SVHN)とオブジェクト認識データセット(Office-Home)に基づいて、IRADを広範囲に評価する。
  論文  参考訳（メタデータ） (2020-06-05T21:05:19Z)

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。