論文の概要: Collaborative Streaming Anomaly Detection with Interactive Explanations and Ensemble Consensus

• arxiv url: http://arxiv.org/abs/2609.23883v1
• Date: Sun, 20 Sep 2026 21:38:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.013045
• Title: Collaborative Streaming Anomaly Detection with Interactive Explanations and Ensemble Consensus
• Title（参考訳）: 対話的説明とアンサンブル・コンセンサスを用いた協調的ストリーミング異常検出
• Abstract要約: 協調的ストリーミング異常検出システムは、人間のアナリストを決定ループに統合する。 システムはヘテロジニアス検出器を結合し、正規化に基づく重み付きコンセンサスを通じて出力を集約する。 アナリストは、異常なエピソードをレビューし、コンセンサス動作を調整し、異常予測に使用される代理ルールを精査することで、積極的に介入することができる。
• 参考スコア（独自算出の注目度）: 1.3649494534428743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a collaborative streaming anomaly detection system for high-speed data streams that explicitly integrates human analysts into the decision loop. The system combines heterogeneous detectors and aggregates their outputs through a normalization-based weighted consensus, complemented by artifact-aware rules to stabilize anomaly scoring under deployment. To improve interpretability, it derives surrogate models that approximate the ensemble consensus and expose human-readable sensor conditions associated with anomalous behavior. Analysts can actively intervene by reviewing anomaly episodes, adjusting consensus behavior, and refining surrogate rules used for anomaly prediction, producing a human-adjusted ensemble. We evaluate the approach on an industrial stream with 260\,000 events and 3 anomalous episodes, showing robust detection and actionable human-AI interaction.
• Abstract（参考訳）: 本稿では,人間アナリストを決定ループに明示的に統合した高速データストリームのための協調的ストリーミング異常検出システムを提案する。 このシステムは異種検出器を組み合わせて、正規化に基づく重み付けされたコンセンサスを通じて出力を集約する。 解釈性を改善するために、アンサンブルのコンセンサスを近似し、異常な振る舞いに関連する人間の可読性センサー条件を明らかにするサロゲートモデルを導出する。 アナリストは、異常なエピソードをレビューし、コンセンサス動作を調整し、異常予測に使用される代理規則を精査し、人間の調整されたアンサンブルを生成することで、積極的に介入することができる。 260,000件のイベントと3エピソードの異常なエピソードによる産業用ストリームへのアプローチを評価し,ロバストな検出と動作可能な人間とAIの相互作用を示した。

関連論文リスト

• Decoding Error-Related Potentials under Multisensory Feedback with Varying Congruency [49.89366594261373]
  現実的な設定では、不均一な多感覚フィードバックの下でエラー知覚がしばしば発生する。 特に、矛盾したフィードバックは、復号化の難しさと分類性能の低下に関連している。 我々は多分岐EEGNetベースのアーキテクチャを採用し、異種条件間の堅牢性を改善するために補助的な監視を行う。
  論文  参考訳（メタデータ） (2026-07-08T09:13:14Z)
• DDGAD: Trajectory Dynamics for Diffusion-Based Graph Anomaly Detection [6.763636926274266]
  グラフ異常検出(GAD)は、グラフ構造化データの全体的なパターンから、振る舞いや属性が著しく逸脱したノードを特定することを目的としている。 既存のGCNベースの手法は、異常ノードがメッセージパッシングを通じて隣人の表現を汚染する、汚染伝播の根本的な問題に悩まされている。 本稿では,拡散型グラフ異常検出フレームワークDDGADを提案する。
  論文  参考訳（メタデータ） (2026-05-26T02:00:58Z)
• Beyond Nodes vs. Edges: A Multi-View Fusion Framework for Provenance-Based Intrusion Detection [6.343815622517112]
  PROVfusionは、証明に基づく侵入検知のための多視点異常融合フレームワークである。 軽量な融合スキームを通じて異種異常信号を融合し、投票ベースの統合プロセスを通じて最終的な異常決定を決定する。 広く使用されている9つのベンチマークエンティティデータセットの実験では、PROVfusionは単一ノードとエッジ中心のベースラインよりも高い検出精度と偽陽性率を実現する。
  論文  参考訳（メタデータ） (2026-04-16T06:40:50Z)
• Out of Context: Reliability in Multimodal Anomaly Detection Requires Contextual Inference [54.774686416991386]
  我々は、マルチモーダルな異常検出は、クロスモーダルな文脈推論問題として再編成されるべきであると主張している。 この観点はモデル設計、評価プロトコル、ベンチマーク構築に影響を及ぼす。
  論文  参考訳（メタデータ） (2026-04-14T19:32:55Z)
• Fair Deepfake Detectors Can Generalize [51.21167546843708]
  共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。 この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。 DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
  論文  参考訳（メタデータ） (2025-07-03T14:10:02Z)
• Anomaly Detection via Autoencoder Composite Features and NCE [1.2891210250935148]
  オートエンコーダ(AE)または生成モデルは、通常入力のデータ分布をモデル化するためにしばしば使用される。 ノイズコントラスト推定(NCE)を訓練したAEと確率モデルの両方が異常検出を行うための非結合型トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2025-02-04T01:29:22Z)
• Hypergraph Learning based Recommender System for Anomaly Detection, Control and Optimization [0.0]
  本稿では,(a)離散ハイパーグラフ構造の連成学習のための自己適応型異常検出フレームワークと,(b)相互依存型センサ間の時間的傾向と空間的関係をモデル化する。 このフレームワークは、ハイパーグラフ構造データのリレーショナル帰納バイアスを利用して、ポイントワイズ・シングルステップ・アヘッド予測を学習する。 ルート原因分析のための異常情報伝搬に基づく計算ハイパーグラフを導出し、オフラインで最適な予測制御ポリシを通じて推奨する。
  論文  参考訳（メタデータ） (2024-08-21T06:04:02Z)
• Frequency-Guided Multi-Level Human Action Anomaly Detection with Normalizing Flows [13.77542608443034]
  本研究では,人間の行動異常検出(HAAD)の課題について紹介する。 ビデオからの異常な出来事に主に焦点をあてる以前の人間関係の異常検出タスクと比較して、HAADは、意味的に異常な人間の行動を認識するために、特定のアクションラベルを学習する。
  論文  参考訳（メタデータ） (2024-04-26T12:56:16Z)
• Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
  我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。 次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。 我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-30T06:00:13Z)
• Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
  任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。 ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。 提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:33Z)
• ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
  正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。 提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
  論文  参考訳（メタデータ） (2020-12-09T08:16:35Z)

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。