Zaman Serisi Anomali Tespiti: 10 Yıllık Bir İnceleme

 (arxiv.org)
6 puan yazan GN⁺ 2025-01-07 | 1 yorum | WhatsApp'ta paylaş

  • Zaman Serisi Anomali Tespiti: 10 Yıllık Bir İnceleme

    • Son verinin toplanma teknolojilerindeki gelişmeler ve akış verisindeki artışla birlikte, zaman serisi analizine olan ihtiyaç giderek daha fazla öne çıktı. Bu nedenle, zaman serisi anomali tespiti; siber güvenlik, finans piyasaları, yargı uygulamaları ve sağlık gibi farklı alanlarda kritik bir faaliyet haline geldi.

    • Geleneksel anomali tespit literatürü istatistiksel ölçümlere odaklanırken, son birkaç yılda artan makine öğrenimi algoritmaları zaman serisi anomali tespiti araştırma yöntemleri için daha yapılandırılmış ve genel bir karakteristiğin gerekliliğini ortaya koydu.

    • Bu derleme, zaman serisi bağlamında süreç odaklı bir sınıflandırma yöntemi ile mevcut anomali tespit çözümlerini gruplayıp özetliyor. Ayrıca anomali tespit yöntemlerine özgün bir sınıflama sunuyor; literatürün meta analizini yapıyor ve zaman serisi anomali tespiti araştırmalarının genel eğilimlerini özetliyor.

İlgili okumalar

1 yorum

 
GN⁺ 2025-01-07
Hacker News Yorumları

  • UCR Matrix Profile, zaman serisi analizinde çok verimli bir araçtır. Motif ve anomali bulmada, geleneksel yöntemlerden farklı olarak pencere boyutu ile eşiği ayarlamaya gerek kalmadan, üretim sensör verilerinden EKG analizine ve deprem tespitine kadar geniş bir yelpazede kullanılabilir.

  • Prometheus'un offset özelliği kullanılarak haftalık ortalama uyarı kuralı olarak ayarlandı. Haftalık döngüyle değişen bir sistemde belirli bir metriğin ortalaması hesaplanıp mevcut değerle karşılaştırılarak dinamik eşik belirlenir. GitLab, bu yöntemin ayrıntılı bir açıklamasını sağlar.

  • Son birkaç yılın çalışmalarını yansıtmaz. Granite TS adlı zaman serisi tabanlı model iyi çalıştı; anomali modeli bir sonraki N adımı tahmin ederek, gerçek ölçümlerin beklenenden ne kadar saptığını kontrol eder.

  • Su teknolojilerinde, IoT cihazları su akışını izler, su kaçağını tespit eder ve cihaz başına su tüketimini tahmin eder. Kaçak tespiti, zaman serisi anomalilerini belirlemekten ibarettir ve mevsime göre boru sıcaklığında değişim olduğundan birden fazla dağılım gerekebilir.

  • Performans izleme projelerinde anomali tespiti denendi ancak uygun bir açık kaynaklı ya da ücretli çözüm bulunamadı. Bu alanda birçok fırsat var.

  • Veri üreten sürecin karmaşıklığı, ölçüm sistemlerindeki eksiklikler ve kötü niyetli aktörlerle etkileşim nedeniyle anormal durumlar ortaya çıkar. Bu anormal olaylar, toplanan veride anomali olarak görünür.

  • Endüstriyel makineler için zaman serisi anomali tespiti yapan bir startup işletiyoruz ve çevrimdışı çalışan bir çözüm geliştiriyoruz. Güvenliğe hassas endüstriyel yazılımlara ilgi duyuyorsanız benimle iletişime geçebilirsiniz.

  • Eamonn Keogh'un TSAD ile ilgili çalışması ilginç.

  • SVM'nin neden "Distribution-Based" olarak sınıflandırıldığı konusunda kafam karışık. Genel olarak model-free yoğunluk tahmini veya model tabanlı dağılım tahmini yapmaz.

  • 10 yıl önce yüksek lisans dönemimde çevrimiçi arıza tahmin sistemi kurmuştum; istisna oluşmadan önce bunu algılayıp müdahale eden bir sistem geliştirmiştim. Bu alanda yapılacak çok iş olmasına rağmen tekrar çalışmaya geri dönemediğim için üzüntü duyuyorum