文献

J-GLOBAL ID：202002233762686483   整理番号：20A1819672

効率的手法を用いたビッグデータのための異常検出:レビュー【JST・京大機械翻訳】

Anomaly Detection for Big Data Using Efficient Techniques: A Review

著者 (2件)： D’Souza Divya Jennifer (NMAM Institute of Technology, Nitte, Karnataka, India) ,  Uday Kumar Reddy K. R. (NMAM Institute of Technology, Nitte, Karnataka, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1133  ページ： 1067-1080  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 病院,銀行,防御,小売,およびソーシャルネットワークのような異なる部門において,影響している傾向があり,そして,情報が安全に保つ必要がある率は,主要な関心事であった。 fraudの増加する上昇により示される迅速な速度で損なわれるセキュリティは重大な影響を引き起こした。異常検出は巨大なセクターに影響し,ネットワークとサイバーセキュリティにおける不正記録,パターン,行動,第三者攻撃,または侵入者検出の検出を含む様々なアプリケーションでその方法を作った。統計的,データ分析,機械学習など様々な手法を用い,異常を抽出できる,これらの分野で多くの研究が行われている。データ間の相互依存性を,効果的方法でグラフを用いて表現し,表現することができた。しかし,特に非構造化データにおける異常値を検出するために,多次元のグラフとして表現されるデータにおける異常挙動,パターン,リンクおよびポイントの検出に焦点を当てた研究はほとんどない。実際,グラフとして表現されたデータは相互依存性を示し,異常を検出する際に考慮されるべきである。本論文では,グラフデータ構造における異常を検出するための静的,動的および機械学習アプローチについて調査を行った。さらに,より多くの焦点は,提示された大きなデータ取引における異常検出を助けることができる効率的グラフベース技術に向けてである。その方法に沿って,いくつかの未解決問題と研究方向についても言及した。Copyright Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 銀行 ,  データ構造 ,  ネットワーク ,  データ解析 ,  応用プログラム ,  異常値 ,  高次元 ,  セキュリティ ,  *機械学習
準シソーラス用語： 相互依存性 ,  社会的ネットワーク ,  異常検出 ,  サイバーセキュリティ ,  *ビッグデータ ,  非構造化データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常検出 ,  ビッグデータ ,  動的データ ,  グラフ ,  機械学習

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 手法 ,  ビッグデータ ,  異常検出 ,  レビュー