RealTime-AT: Valós idejű anomáliadetekció többváltozós adatfolyamokon
A digitális átalakulás korszakában a többváltozós idősorok valós idejű megfigyelése és analízise rendkívül fontosá vált. Bonyolult ipari rendszerek telemetriájától komplex pénzügyi hálózatokig a rendellenes viselkedés azonnali észlelése lényeges eszköz, mely gyakran képes megakadályozni rendszerszintű zavarokat vagy pénzügyi rendellenességeket.
A szakirodalomban egyre elterjedtebb megközelítés a gépi tanulás alapú anomáliadetekció alkalmazása nagy méretű adatsorok kezelésére. A valódi kihívás azonban ezen modellek alkalmazása valós idejű adatok esetén. Az Anomaly Transformer, melyet Jiehui Xu és munkatársai mutattak be, kiemelkedő eredményeket mutat többváltozós, de eltárolt historikus adatokon végzett idősoros anomáliadetekció esetén. Valós idejű alkalmazása azonban továbbra is kutatásra váró terület.
Célom így az Anomaly Transformer valós idejű helyzetekre történő alkalmazása, melynek eredményeként létrehoztam továbbfejlesztett algoritmusomat, a RealTime-AT-t. Felismerve a valós idejű adatok belső összefüggéseit, megközelítésem alapja, hogy finomhangoljam a modellben található csúszóablak-mechanizmust. Ez biztosítja, hogy a RealTime-AT folyamatosan a legújabb beérkező adatpontokat vegye figyelembe, lehetővé téve a gyors, valós idejű anomáliadetekciót.
Elsődleges célom az volt, hogy a modell pontosságának minél csekélyebb csökkenése mellett alkalmassá tegyem az eljárást valós idejű adatfolyamokon végzett anomáliadetekcióra. Dolgozatomban bemutatom az Anomaly Transformerhez javasolt módosításaimat, valamint részletezem jövőbeli terveimet is. Ezen kívül ismertetem a RealTime-AT eljárás kiértélelésére elvégzett kísérleti eredményeimet is, melyekben az algoritmust egy valós idejű rendszer adatfolyamain vizsgáltam. Meggyőződésem, hogy a bemutatott megoldásokkal a RealTime-AT megfelel a valós idejű adatfolyamok követelményeinek, új megközelítést teremtve a pontos, valós idejű anomáliadetekció területén.
szerző
-
Colak Burak
Villamosmérnöki szak, alapképzés
alapképzés (BA/BSc)
konzulens
-
Dr. Farkas Károly
Egyetemi docens, Hálózati Rendszerek és Szolgáltatások Tanszék
