A Hálózati Rendszerek és Szolgáltatások Tanszék munkatársának, Farkas Károlynak megjelent a mesterséges intelligencia alapú anomáliadetekció terén végzett kutatásainak legfrissebb eredményeit ismertető cikke a Springer Nature kiadó Neural Computing and Applications folyóiratában.

https://link.springer.com/article/10.1007/s00521-022-08000-y

A rendellenes viselkedések, anomáliák észlelése a valós idejű monitorozás elengedhetetlen feladata az IKT-infrastruktúrák megbízható működésének biztosítása érdekében. A cikk bemutatja az újonnan fejlesztett, AREP nevezetű anomáliadetektort, amely egy adaptív, hosszú távú memória (LSTM) alapú neurális hálózatot használó gépi tanulási algoritmus valós idejű anomáliák észlelésére hálózati telemetria adatokon. Továbbá a cikk egy új adatmintázat-osztályozási módszert is javasol a megfelelő detektor kiválasztásának megkönnyítéséhez, valamint ismerteti az ún. ROC görbe generálására újonnan kidolgozott eljárást, melynek segítségével az AREP detektorcsalád determinisztikus módon működő detektorainak teljesítménye könnyen összevethető egymással. Az AREP versenyképességét mutatja, hogy hasonló vagy még jobb teljesítményre képes, mint az irodalomban jelenleg elérhető legjobb detektorok.