Масштабоване виявлення аномалій у великих потоках мережевих даних на основі динамічних графів і спектральних характеристик
Анотація
У статті запропоновано метод масштабованого виявлення аномалій у потоках мережевих даних на основі динамічних графів, графових скетчів і спектральних характеристик. Мережеву телеметрію подано як потік ребер, а стан графа – у вигляді матриці скетчу з експоненційним згасанням ваг. Для виявлення структурних змін використано індекс гладкості, що обчислюється без повного спектрального розкладання та забезпечує сталий обсяг пам’яті. Експерименти на синтетичних потоках засвідчили ефективність методу для короткочасних аномалій типу «зірка», однак виявили обмежену чутливість до низькоінтенсивного сканування. Встановлено залежність якості детектування від розміру скетчу, коефіцієнта згасання та тривалості вікна спостереження. Подальші дослідження передбачають побудову ансамблю потокових критеріїв і перевірку методу на реальній телеметрії IPFIX.
Посилання
2. Цяо, Х., Тун, Х., Ань, Б., Кінг, І., Аггарвал, К., та Пан, Г. (2025). Глибинне виявлення аномалій у графах: огляд і нові перспективи. Праці IEEE з інженерії знань і даних, 37(9), 5106-5126.
3. Ян, Л., Шателен, К., та Адам, С. (2024). Навчання представлень динамічних графів за допомогою нейронних мереж: огляд. Відкритий доступ IEEE, 12, 43460-43484.
4. Тан, Ц., Лі, Ц., Гао, Ц., та Лі, Ц. (2022). Переосмислення графових нейронних мереж для виявлення аномалій. У матеріалах 39-ї Міжнародної конференції з машинного навчання (Збірник праць з досліджень у галузі машинного навчання, т. 162, с. 21076-21089). PMLR.
5. Гао, Ю., Ван, С., Хе, С., Лю, Ц., Фен, Х., та Чжан, Ю. (2023). Урахування гетерофілії у виявленні аномалій у графах: погляд із позиції спектра графа. У матеріалах Вебконференції ACM 2023 (с. 1528-1538). ACM.
