CS259D Anomaly Detection Using Layered Networks Based on Eigen Co-occurrence Matrix Note

作者:Leo

CS259D Anomaly Detection Using Layered Networks Based on Eigen Co-occurrence Matrix 利用本征共现矩阵做异常检测

  • 背景知识
  • 启发和论文目标
  • Eigen co-occurrence matrix (ECM)
  • 参考资料

原论文地址 http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.116.9971&rep=rep1&type=pdf

背景知识

  • 很难准确建模用户行为
    • 用户行为不断变化
    • 很难完全捕捉
  • 用户行为建模
    • 特征向量
      • 直方图
        • 没有次序
      • N-grams
        • N元链接的序列
      • 不相邻事件之间的相关性
    • 网络模型
      • 自动机
        • 需要明确的规则
        • 背景信息各异,难以明确规则
      • 贝叶斯网络
        • 贝叶斯网络表明相应变量之间因果关系变化的方向
        • 应先明确拓扑关系
      • 隐马尔可夫模型(HMM)
        • 很难建立合乎要求拓扑结构

启发和论文目标

  • 假设
    • 出现在序列中的用户动态行为不仅可以通过关联的事件进行捕获,也可以通过相隔一定距离不相邻的事件进行捕获
  • ECM, Eigen co-occurrence matrices
    • 受到 Eigenface 技术的启发
    • 三个主要部分
      • 动态特征序列建模
      • 提取所得模型的主要特征
      • 从提取的主要特征中自动构建分层网络

Eigen co-occurrence matrix (ECM)

  • 手写笔记 🙂

参考资料

  • Anomaly Detection Using Layered Networks Based on Eigen Co-occurrence Matrix
  • Anomaly Detection Using Integration Model of Vector Space and Network Representation

发表评论

电子邮件地址不会被公开。 必填项已用*标注