Approximation du score CFOF de détection d’anomalie dans un arbre d’indexation iSAX : Application au contexte SI de la SNCF - INRIA - Institut National de Recherche en Informatique et en Automatique Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

Approximation du score CFOF de détection d’anomalie dans un arbre d’indexation iSAX : Application au contexte SI de la SNCF

Résumé

La finalité de notre travail est la détection des anomalies dans les traces de fonctionnement de l'infrastructure de communication du Système d'Information (SI) de la SNCF. Deux techniques récentes et indépendantes semblentparticulì erement appropriées dans notre cas. Il s'agit d'une part du stockage et de l'indexation de séries temporelles dans un arbre appelé arbre iSAX, et d'autre part d'un score de détection d'anomalie nommé CFOF dont la robustesse au phénomène de concentration en haute dimension a ´ etéetéétablie de façon formelle. Dans cet article nous montrons qu'il est possible d'utiliser la structuration des in-formations dans l'arbre iSAX pour déterminer rapidement une approximation du score CFOF. La valeur obtenue est proche du score exact sur des données synthétiques et réelles. Les premiers retours d'expertises in-diquent que la méthode semble pertinente pour le déclenchement d'alarmes sur les données issues de trace d'activité du SI de la SNCF.
Fichier principal
Vignette du fichier
prelim_iSax_CFOF.pdf (543.36 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02019035 , version 1 (16-02-2019)

Identifiants

  • HAL Id : hal-02019035 , version 1

Citer

Lucas Foulon, Christophe Rigotti, Serge Fenet, Denis Jouvin. Approximation du score CFOF de détection d’anomalie dans un arbre d’indexation iSAX : Application au contexte SI de la SNCF. EGC 2019 - 19ème Conférence francophone sur l'Extraction et la Gestion des Connaissances, Jan 2019, Metz, France. pp.1-12. ⟨hal-02019035⟩
520 Consultations
238 Téléchargements

Partager

Gmail Facebook X LinkedIn More