文献

J-GLOBAL ID：201802229678090189   整理番号：18A0190018

コアルータシステムにおける変化点ベース異常検出【Powered by NICT】

Changepoint-based anomaly detection in a core router system

著者 (4件)： Jin Shi (Department of Electrical and Computer Engineering, Duke University, Durham, NC) ,  Zhang Zhaobo (Huawei Technologies Co. Ltd., San Jose, CA) ,  Chakrabarty Krishnendu (Department of Electrical and Computer Engineering, Duke University, Durham, NC) ,  Gu Xinli (Huawei Technologies Co. Ltd., San Jose, CA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITC  ページ： 1-10  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 予後診断は初期故障予測と高速誤り回復を保証するための商業的コアルータシステムが望ましい。破壊が起こる前に予後診断異常かどうかに依存する有効性を正確に検出できた。しかし,モニターされたデータの統計的性質は時間の進行とともに有意に変化する場合,従来の異常検出技術は「異常値」検出に失敗している。最初に収集した時系列データからの変化点を検出し,これら変化点は異常を検出するために利用する変化点ベース異常検出器の設計を記述した。最尤推定に基づく二つのアプローチは異なるタイプの変化点を検出した。次に変化点窓からの正常/異常パターンの広い範囲を同定するために開発されたクラスタリング法商業コアルータシステムのセットから収集されたデータは,提案した異常検出器を検証するために用いた。実験結果は筆者らの変化点ベース異常検出器は,従来の方法よりも良好な性能を達成することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *最尤法 ,  初期故障 ,  異常値 ,  予測 ,  高速度
準シソーラス用語： クラスタリング法 ,  時系列データ ,  統計的性質 ,  予後診断 ,  *異常検出 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  統計的品質管理  (KB04030W)

タイトルに関連する用語 (1件)： 異常検出