Searching for Unknown Anomalies in Hierarchical Data Streams

Tomer Gafni, Kobi Cohen, Qing Zhao

פרסום מחקרי: פרסום בכתב עתמאמרביקורת עמיתים


We consider the problem of anomaly detection among a large number of processes, where the probabilistic models of anomalies are unknown. At each time, aggregated noisy observations can be taken from a chosen subset of processes, where the chosen subset conforms to a tree structure. The observation distribution depends on the chosen subset and the absence/presence of anomalies. We develop a sequential search strategy using a hierarchical Kolmogorov-Smirnov (KS) statistics. Referred to as Tree-based Anomaly Search using KS statistics (TASKS), the proposed strategy is order-optimal with respect to the size of the search space and the detection accuracy.

שפה מקוריתאנגלית אמריקאית
עמודים (מ-עד)1774-1778
מספר עמודים5
כתב עתIEEE Signal Processing Letters
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 1 ינו׳ 2021

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1711???
  • ???subjectarea.asjc.2200.2208???
  • ???subjectarea.asjc.2600.2604???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Searching for Unknown Anomalies in Hierarchical Data Streams'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי