論文の概要: Drift-Aware RL-based Wavelet Denoising for Network-Traffic Anomaly Detection

• arxiv url: http://arxiv.org/abs/2607.20011v1
• Date: Wed, 22 Jul 2026 10:52:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.061778
• Title: Drift-Aware RL-based Wavelet Denoising for Network-Traffic Anomaly Detection
• Title（参考訳）: ネットワークトラヒック異常検出のためのDrift-Aware RL-based Wavelet Denoising
• Abstract要約: ネットワーク監視のための交通利用測定は、付加雑音と統計的ドリフトによって損なわれる。 2つのタスクに最適化された前処理層として適応ウェーブレットをデノナイズするドリフト対応フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.5469452301122173
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traffic-utilisation measurements for network monitoring are corrupted by additive noise and statistical drift: time-dependent change in the signal's mean, variance, distributional shape, or tail behaviour. Static wavelet denoising, calibrated under stationary independent and identically distributed (i.i.d.) Gaussian assumptions, becomes mismatched under drift and, at moderate-to-high signal-to-noise ratio (SNR), over-suppresses useful structure and degrades monitoring decisions. We propose a drift-aware framework treating adaptive wavelet denoising as a preprocessing layer optimised for two tasks: anomaly detection, recovering the multi-scale transient load bursts that noise and drift obscure, and capacity estimation, recovering the operational required capacity $C_{95}$ (95th percentile of utilisation). Because localised bursts are multi-scale structure a wavelet preserves but a low-pass filter removes, detection discriminates denoiser families. A four-detector gate (Page-Hinkley, variance-ratio, Jensen-Shannon, Anderson-Darling) determines when to invoke a learned policy, and a Proximal Policy Optimization agent selects a per-window wavelet configuration over a mixed discrete-continuous action space. Unlike prior work, the reward is downstream task utility, not reconstruction fidelity. The denoiser is benchmarked, per drift type and input SNR, against a low-pass moving-average filter, VisuShrink, SureShrink, BayesShrink, and a Wiener filter. Defining the anomaly target on the clean signal and the drift gate on the corruption keeps both stages non-circular.
• Abstract（参考訳）: ネットワーク監視のための交通利用測定は、加算ノイズと統計的ドリフト(信号の平均、ばらつき、分布形状、尾の挙動)によって破壊される。 定常独立で均等に分布するガウスの仮定の下で校正された静的ウェーブレットの復調は、ドリフト下で不一致となり、中～高信号-雑音比(SNR)において、有用な構造を過剰に抑制し、監視決定を劣化させる。 本稿では,アダプティブウェーブレットを前処理層として処理するドリフトアウェアフレームワークを提案する。異常検出,ノイズやドリフトが混在するマルチスケール過渡負荷バーストの回復,キャパシティ推定,運用に必要なキャパシティの回収であるC_{95}$(利用の95%)である。 局所バーストはマルチスケール構造であるため、ウェーブレットは保存されるがローパスフィルタが除去されるため、検出はノイズファミリーを識別する。 4検出器ゲート(Page-Hinkley, variance-ratio, Jensen-Shannon, Anderson-Darling)は、学習されたポリシーをいつ呼び出すかを決定し、プロキシポリシー最適化エージェントは、混合離散連続アクション空間上でウィンドウごとのウェーブレット構成を選択する。 以前の作業とは異なり、報酬は下流のタスクユーティリティであり、再構築の忠実さではない。 ドリフトタイプ毎のデノイザと入力SNRを、低パス移動平均フィルタ、VisuShrink、SureShrink、BayesShrink、Wienerフィルタに対してベンチマークする。 クリーン信号の異常目標と破損のドリフトゲートを定義することは、両方のステージを非循環的に保持する。

関連論文リスト

• Fidelity-Constrained Anchoring for Black-Box Denoisers [0.0]
  本稿では,ブラックボックスのデノイザを再学習することなく,計算量が少なく入力にアンカーするフレームワークを提案する。 提案手法は, ノイズ発生性能と統計的自然さのバランスを保ちながら, 有効忠実度制御を実現する。 特に、SSIMベースのアンカーは、PSNRベースのアンカーよりもノイズレベルにわたってより一貫した振る舞いをもたらす。
  論文  参考訳（メタデータ） (2026-08-13T12:59:32Z)
• Precise: SDE-Consistent Stochastic Sampling for RL Post-Training of Flow-Matching Models [56.67321805551389]
  Reinforcement Learning (RL) は, 拡散・流れマッチングジェネレータにおいて, 迅速なアライメントと知覚品質の向上に有効な方法となっている。 探索行動の制御と力学のデノベーションを行うサンプルは、この方針の一部である。 有効探査と安定性のバランスをとる新しいサンプリング器を提案する。
  論文  参考訳（メタデータ） (2026-05-22T11:37:22Z)
• CAdam: Context-Adaptive Moment Estimation for 3D Gaussian Densification in Generative Distillation [3.4998703934432682]
  密度ジレンマを解くために、文脈適応モーメント推定(CAdam)を導入する。 Cadamは、標準密度と比較してガウスの数を85%から97%削減し、全体的な同等の品質を保っている。 これらの結果から, 信号認識密度制御は, 最適化に基づく生成蒸留におけるメモリ効率の向上に有効であることがわかった。
  論文  参考訳（メタデータ） (2026-05-20T08:08:39Z)
• Kurtosis-Guided Denoising Score Matching for Tabular Anomaly Detection [6.893608092072852]
  Denoising score matching (DSM)は、ニューラルネットワークをトレーニングしてスコア関数を復元することで、データの分散を学ぶ方法を提供する。 K-DSM(Kurtosis-based noise scaling)は,各周縁分布の形状から雑音レベルを設定する方式である。 標準的な異常検出ベンチマークでは、K-DSMは半教師付き設定で最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-05-07T21:19:12Z)
• Noise-Robust Tiny Object Localization with Flows [63.60972031108944]
  フレキシブルなエラーモデリングと不確実性誘導最適化に正規化フローを活用するノイズローバストローカライゼーションフレームワークを提案する。 本手法は,フローベース誤差モデルを用いて,複雑な非ガウス予測分布を抽出し,ノイズの多い監視下で頑健な学習を可能にする。 不確実性を考慮した勾配変調機構は、トレーニングを安定化しながら過度な適合を緩和し、高不確実でノイズの強いサンプルからの学習をさらに抑制する。
  論文  参考訳（メタデータ） (2026-01-02T09:16:55Z)
• Ivan-ISTD: Rethinking Cross-domain Heteroscedastic Noise Perturbations in Infrared Small Target Detection [53.689841037081834]
  Ivan-ISTD は ISTD におけるクロスドメインシフトと異方性雑音摂動の2つの課題に対処するように設計されている。 Ivan-ISTDはクロスドメインシナリオにおいて優れた堅牢性を示している。
  論文  参考訳（メタデータ） (2025-10-14T07:48:31Z)
• Noisy Test-Time Adaptation in Vision-Language Models [73.14136220844156]
  テスト時間適応(TTA)は、テスト中のターゲットデータのみに依存することにより、ソースデータとターゲットデータの分散シフトに対処することを目的としている。 本稿では、ゼロショット方式で、テスト時にノイズのあるサンプルをターゲットとするデータにモデルを適応させることに焦点を当てたゼロショットノイズTTA(ZS-NTTA)を提案する。 本稿では, 冷凍機の出力を擬似ラベルとして利用し, ノイズ検出器の訓練を行う適応ノイズ検出器(AdaND)を提案する。
  論文  参考訳（メタデータ） (2025-02-20T14:37:53Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [17.289252835606533]
  不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。 周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
  論文  参考訳（メタデータ） (2024-06-23T15:03:35Z)
• Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
  擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。 我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。 SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-06-10T21:44:52Z)
• Neural Network-augmented Kalman Filtering for Robust Online Speech Dereverberation in Noisy Reverberant Environments [13.49645012479288]
  ノイズローバストオンラインデバーベレーションのためのニューラルネットワーク拡張アルゴリズムを提案する。 提示されたフレームワークは、単一チャネルのノイズの多い残響データセット上で堅牢なデバーベレーションを可能にする。
  論文  参考訳（メタデータ） (2022-04-06T11:38:04Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)

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。