Fugu-MT 論文翻訳(概要): Active Hypothesis Testing for Correlated Combinatorial Anomaly Detection

論文の概要: Active Hypothesis Testing for Correlated Combinatorial Anomaly Detection

arxiv url: http://arxiv.org/abs/2601.17430v1
Date: Sat, 24 Jan 2026 11:58:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-27 15:23:07.729295
Title: Active Hypothesis Testing for Correlated Combinatorial Anomaly Detection
Title（参考訳）: Corelated Combinatoral Anomaly Detection のためのアクティブ仮説テスト
Authors: Zichuan Yang, Yiming Xing,
Abstract要約: 本研究では,サイバー物理システムにおける監視とセキュリティを動機とした相関雑音下でのストリームの異常なサブセットを特定する問題について検討する。本稿では,競合する仮説間のChernoff情報を最大化するために,連続的かつ制約のある測定値を選択する適応アルゴリズムECC-AHTを提案する。 ECC-AHTは、最適なサンプル複雑性を保証するとともに、合成および実世界の相関環境において最先端のベースラインを大幅に上回る。
参考スコア（独自算出の注目度）: 1.7188280334580195
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We study the problem of identifying an anomalous subset of streams under correlated noise, motivated by monitoring and security in cyber-physical systems. This problem can be viewed as a form of combinatorial pure exploration, where each stream plays the role of an arm and measurements must be allocated sequentially under uncertainty. Existing combinatorial bandit and hypothesis testing methods typically assume independent observations and fail to exploit correlation for efficient measurement design. We propose ECC-AHT, an adaptive algorithm that selects continuous, constrained measurements to maximize Chernoff information between competing hypotheses, enabling active noise cancellation through differential sensing. ECC-AHT achieves optimal sample complexity guarantees and significantly outperforms state-of-the-art baselines in both synthetic and real-world correlated environments. The code is available on https://github.com/VincentdeCristo/ECC-AHT
Abstract（参考訳）: 本研究では,サイバー物理システムにおける監視とセキュリティを動機とした相関雑音下でのストリームの異常なサブセットを特定する問題について検討する。この問題は組合せ純粋探索の一形態と見なすことができ、各ストリームがアームの役割を担い、不確実性の下で測定をシーケンシャルに割り当てなければならない。既存の組合せ帯域幅法と仮説試験法は、通常は独立した観測を仮定し、効率的な測定設計のために相関を利用することができない。本稿では,競合する仮説間のチェルノフ情報を最大化するために,連続的,制約のある測定値を選択する適応アルゴリズムECC-AHTを提案する。 ECC-AHTは、最適なサンプル複雑性を保証するとともに、合成および実世界の相関環境において最先端のベースラインを大幅に上回る。コードはhttps://github.com/VincentdeCristo/ECC-AHTで公開されている。

関連論文リスト

Test-time Adaptive Hierarchical Co-enhanced Denoising Network for Reliable Multimodal Classification [55.56234913868664]
マルチモーダルデータを用いた信頼性学習のためのTAHCD(Test-time Adaptive Hierarchical Co-enhanced Denoising Network)を提案する。提案手法は,最先端の信頼性の高いマルチモーダル学習手法と比較して,優れた分類性能,堅牢性,一般化を実現する。
論文参考訳（メタデータ） (2026-01-12T03:14:12Z)
Isolation-based Spherical Ensemble Representations for Anomaly Detection [60.989157958972356]
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。
論文参考訳（メタデータ） (2025-10-15T09:00:05Z)
Metric Matters: A Formal Evaluation of Similarity Measures in Active Learning for Cyber Threat Intelligence [1.102914654802229]
Advanced Persistent Threats (APT) は、サイバー防衛に深刻な課題をもたらす。本稿では,新しい能動的学習に基づく異常検出フレームワークを提案する。提案手法では, 特徴空間の類似性を利用して, 正常なインスタンスと異常なインスタンスを識別する。
論文参考訳（メタデータ） (2025-08-26T13:34:30Z)
Real-Time Anomaly Detection with Synthetic Anomaly Monitoring (SAM) [2.055524866851853]
異常検出は、財務、サイバーセキュリティ、ネットワーク監視など、さまざまな領域にわたる稀で重要な事象を特定するために不可欠である。本稿では、因果推論から合成制御手法を適用し、異常検出プロセスの精度と解釈性を向上させる革新的なアプローチであるSynthetic Anomaly Monitoring(SAM)を提案する。
論文参考訳（メタデータ） (2025-01-30T15:15:17Z)
Noise-Adaptive Conformal Classification with Marginal Coverage [53.74125453366155]
本稿では,ランダムラベルノイズによる交換性からの偏差を効率的に処理できる適応型共形推論手法を提案する。本手法は,合成および実データに対して,その有効性を示す広範囲な数値実験により検証する。
論文参考訳（メタデータ） (2025-01-29T23:55:23Z)
Disentangled Noisy Correspondence Learning [56.06801962154915]
クロスモーダル検索は、モダリティ間の潜在対応を理解する上で重要である。 DisNCLはノイズ対応学習における特徴分散のための新しい情報理論フレームワークである。
論文参考訳（メタデータ） (2024-08-10T09:49:55Z)
Federated Nonparametric Hypothesis Testing with Differential Privacy Constraints: Optimal Rates and Adaptive Tests [5.3595271893779906]
フェデレート学習は、さまざまな場所でデータが収集され分析される広範囲な設定で適用可能であることから、近年大きな注目を集めている。分散差分プライバシー(DP)制約下でのホワイトノイズ・ウィズ・ドリフトモデルにおける非パラメトリック適合性試験について検討した。
論文参考訳（メタデータ） (2024-06-10T19:25:19Z)
Secure Hierarchical Federated Learning in Vehicular Networks Using Dynamic Client Selection and Anomaly Detection [10.177917426690701]
階層的フェデレートラーニング(HFL)は、車両ネットワークにおける敵または信頼できない車両の課題に直面している。本研究では,動的車両選択とロバストな異常検出機構を統合した新しい枠組みを提案する。提案アルゴリズムは,強烈な攻撃条件下においても顕著なレジリエンスを示す。
論文参考訳（メタデータ） (2024-05-25T18:31:20Z)
Signature Kernel Conditional Independence Tests in Causal Discovery for Stochastic Processes [7.103713918313219]
条件付き独立性(CI)の制約を、選択した間隔で調整する。我々は,完全かつ完全な因果探索アルゴリズムを提案し,完全な観測データと部分的な観測データの両方を扱えるようにした。また、これらの制約をデータから推測するために、フレキシブルで一貫したカーネルベースのCIテストを提案する。
論文参考訳（メタデータ） (2024-02-28T16:58:31Z)
Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文参考訳（メタデータ） (2023-12-27T09:03:43Z)
Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。また、局所的な一貫性の結果に基づいた理論的保証も提供する。この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文参考訳（メタデータ） (2022-11-17T15:48:06Z)

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。