异常检测综述汇报.pptxVIP

异常检测综述;;01;;异常是不可知的，正常状态则相对稳定。那如何确定正常与异常间的分界阈值呢？ 统计量在大样本时渐进服从正态分布，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布（高斯分布）来描述。 ;检测方法阐述 —— 3σ原理;异常检测的应用领域;扫描活动;异常检测面临的主要问题;异常检测 VS 监督学习;02;异常检测方法 ;异常检测;主要思想 基于已标记的训练数据，对正常事件(和(极少)异常事件)构建一个分类模型，以此对每一个新的未知事件进行分类 分类模型必须能够处理倾斜(不均衡)的类分布 分类 监督分类技术 需要了解正常类和异常类 建立分类，以区分正常事件和已知的异常事件 半监督分类技术 只需要了解正常类 使用改进的分类模型学习正常行为，然后将检测到的偏离正常行为的对象作为异常行为; Classification-Based Techniques;Ⅱ. Clustering-Based Techniques;基本思想 将数据聚类划分为不同密度的簇 选择小簇中的点作为候选离群点 计算非候选点形成的簇和候选点间的距离 如果候选点距离非候选点形成的簇较远，那么他们是离群点;优点 不需要监督 易适应在线/增量模式，适用于时空数据的异常检测 缺点 代价极大 使用索引结构(k-d树，R*树)可能能够减轻该问题 如果正常点不能创建任何簇，那么该方法可能会失败 在高