双特征层次嵌入的多维时序异常检测方法

开展多维时序特征下的工业实体设备实时运行状态在线异常检测,对维护复杂工业系统稳定运行、推动国家经济发展提质增效具有重要意义。针对现有异常检测方法对时序数据高度非线性的时间依赖关系及其模式多样的维度耦合关系分析不足的问题,综合考虑监控数据分布未知导致训练数据中可能掺杂噪声或异常数据的情况,提出双特征层次嵌入的多维时序异常检测方法。通过循环神经网络对时序特征数据进行处理,引入流模型仿射机制拓展数据分布并得到时间嵌入变量,捕捉长时间序列的全局及局部特征;与此同时,利用变分自编码器将多维输入映射到潜空间,共享时间嵌入的流模型参数,基于门控循环单元对维度间的耦合关系进一步关联分析,充分挖掘多维时序数据的时间依赖性和维度相关性,提高异常检测准确率。在5个权威公开的多维时序数据集上开展实验,与12种典型时序异常检测方法进行对比,所提算法在多种评价指标上的平均排名均位列第一,验证了所提方法的先进性和有效性。

基于LSTM-SVM模型的ES多变量时序异常检测

目前嵌入式软件多变量时序异常检测没有对时序样本数据进行预测和缺陷数据分类,存在ROC曲线偏低、MCC系数小和损失函数大的问题。提出基于LSTM-SVM模型的嵌入式软件多变量时序异常检测方法,首先在LSTM模型下预测时序样本数据,并利用支持向量机将大部分时序异常数据进行分类,将两者综合构成LSTM-SVM模型。其次利用LSTM-SVM模型预测出的时间序列数据进行离线检测,通过执行片段提取和预处理、执行片段匹配、相关时间约束识别和异常时序检测四步完成时序异常检测,实现嵌入式软件多变量时序异常检测。实验结果表明,所提方法的ROC曲线高、MCC系数大和损失函数小。

2014年云南地区GNSS最大剪应变格网时序异常与M≥6.0地震关系分析

基于2014年云南地区28个GNSS连续跟踪站30 s采样率的数据,以震前3个月为时间尺度、1个月为窗长,提取最大剪应变格网时间序列。对去除趋势项后的最大剪应变时间序列,设定2倍标准差作为异常阈值,以2014年盈江6.1级、鲁甸6.5级和景谷6.6级地震为样本,对地震孕育过程中最大剪应变格网时序异常与M≥6.0地震的关系进行分析。结果表明,2014年云南地区GNSS最大剪应变格网时序异常分布与上述3个地震存在较好的对应关系,震前短期内最大剪应变异常格网集中分布于震中附近区域,且存在震前增强、震后快速消失的现象;最大剪应变异常格网分布相对集中的区域可作为预报M≥6.0地震发生地点的参考性指标。最大剪应变综合指标值预测结果显示,本次预测地震数4个,成功预报地震数3个,漏报数0个,虚报地震数1个(指标出现而未发生地震),准确率为75%。从空间角度来看,3次地震的震中都位于异常格网边缘,表明最大剪应变异常区边缘可能更加危险。

融合显隐式关联的图卷积多维时序异常检测方法

针对重构类多维时序异常检测方法对信息物理系统组件间的耦合关系提取能力不足以及建模时易遗漏信息的问题,提出一种融合显隐式关联的图卷积多维时序异常检测方法。利用改进的余弦相似度,提取序列间可用距离度量的显式关联关系。设计基于多头自注意力机制的关联关系提取模块,学习序列间的隐式关联关系。整合显隐式关系,将关系融合图和原始数据共同输入到基于图卷积网络的自编码器中,进行结合时间和空间依赖性的多维时序重构。根据训练好的模型输出的待测数据重构结果计算异常的分数,进而结合自适应阈值来选择算法进行异常检测。4个公开数据集上的实验结果表明,所提方法比相关经典和时效性方法在F1-Score上具有明显的提升,且可以通过输出关联权重矩阵的方式对异常事件进行解释分析。

基于深度学习的时序数据异常检测算法研究

现代化信息技术不断的优化和提高,物联网和互联网及5G网络的普及应用,要对客观存在的海量大数据进行处理,深度学习时序数据发挥了不可替代的作用。海量数据中有一种数据被称为时序数据,它是一种结构化的形式性数据。要将各类时序数据的异常检测是当今网络所需要研究的重要课题,目的是从海量的数据中实现异常数据的有效识别,让操作人员对监控各类部件的健康情况及时的监控和管理。从深度学习其强大的学习能力角度出发,对时序数据的多特征、各类不平衡的数据类别深入研究和分析。

基于语义不一致性的网络暴力舆情预警方法

[研究目的]现有网络暴力舆情预警手段对专家知识和先验事件信息存在较大依赖。该文提出一种基于语义不一致性的网络暴力舆情预警方法,以实现对现实情境中网络暴力舆情的有效预警。[研究方法]该文采用网络暴力舆情预警的语义不一致性指数计算方法,并结合时序异常检测方法对语义不一致性异常波动进行监测并预警。收集2022年7月至9月间的微博数据进行模拟预警,验证模型预警能力。[研究结论]实验中平均预警准确率为76.57%,预警覆盖率为60.92%。经验证可实现真实世界条件下至多提前36小时发出预警。实验揭示了网络暴力舆情事件在发展阶段可对整体内容的主题状态产生显著可监测的影响,基于该特性能够实现或增强舆情预警感知能力。

微控制器静态时序分析方法研究

静态时序分析方法不依赖于激励,且可以穷尽所有路径,运行速度很快,占用内存很少,克服了动态时序验证的缺陷。我们探讨了时序路径、路径延迟、时序约束等问题,重点研究了多周期路径造成的时序异常排除方法,并用静态时序分析工具Primetime对微控制器软核HGD08R01进行了案例分析,获得了满意的效果。

基于重构误差的无监督人脸伪造视频检测

目前有监督的人脸伪造视频检测方法需要大量标注数据。为解决视频伪造方法迭代快、种类多等现实问题,将时序异常检测中的无监督思想引入人脸伪造视频检测,将伪造视频检测任务转为无监督的视频异常检测任务,提出一种基于重构误差的无监督人脸伪造视频检测模型。首先,抽取待检测视频中连续帧的人脸特征点序列;其次,基于偏移特征、局部特征、时序特征等多粒度信息对待检测视频中人脸特征点序列进行重构;然后,计算原始序列与重构序列之间的重构误差;最后,根据重构误差的波峰频率计算得分对伪造视频进行自动检测。实验结果表明,在FaceShifter、FaceSwap等人脸视频伪造方法上,与LRNet(Landmark Recurrent Network)、Xception-c23等检测方法相比,所提方法的检测性能的曲线下方面积(AUC)最多增加了27.6%,移植性能的AUC最多增加了30.4%。

云工作流时间延误处理策略综述

在云计算环境中,如何确保工作流实例按时完成是云工作流系统设计的一个重要方面,是提高云工作流系统性能和可用性的一个关键问题.如果工作流实例不能满足时间约束限制,就可能会降低工作流实例运行结果的有用性,甚至是导致经济上的损失.因此,有必要寻找有效的策略以提高云工作流系统的按时完成率.论文对计算密集型的科学工作流和实例密集型的商务工作流的时间延误处理策略(又称为时序异常处理策略)分别进行了归纳和分析.最后,探讨了未来云工作流时间延误处理的研究方向.

车联网环境下的DDoS攻击实时检测技术研究

随着车联网(IoV)的日益普及和发展,其可靠性和安全性保障变得尤为重要。然而,在开放访问的环境中进行通信让智能交通系统的道路安全、通信安全和隐私问题面临巨大挑战。此外,对安全问题的快速响应要求使得实时检测成为越来越重要的研究课题。分布式拒绝服务(DDoS)攻击可能导致车辆失速或故障、干扰自动驾驶、造成交通拥堵和事故,是所有车联网安全挑战中对自动驾驶安全最为严重的威胁之一。针对车联网环境下的这种安全需求,设计并验证一个分布式拒绝服务攻击实时检测系统,使用信息熵理论来量化车辆流量信息分布,在逐元素滑动时间窗和偏差计算的基础上,提出一种时间复杂度为O(n)的采用“累计时间窗”的算法,结合高斯分布的概率分布模型来实时检测并告警DDoS攻击行为,并通过增加二次确认环节实现算法的改进。使用开源框架Framework For Misbehavior Detection进行的模拟实验结果表明,在VeReMi数据集中,该实时检测系统能够检测包括传统分布式拒绝服务攻击、破坏性女巫攻击和持续速率拒绝服务攻击等多种类型的DDoS攻击,检测准确率达100%,DDoS攻击检测时延达到8 s以内。研究结果能够为未来智能交通系统中分布式拒绝服务攻击的检测提供理论和实践参考。

基于LSTM的轮毂端面变形量在线检测系统

针对传统端面平面度在线检测时,会出现由于工业现场光线、粉尘等干扰使激光位移传感器采样数据异常,导致端面平面拟合出现偏差的问题,提出了利用基于神经网络的异常检测方法来识别传感器采集的异常数据。首先在非异常数据集上对层叠LSTM网络进行训练,然后对多个时间步长后的原始数据进行预测分析,由此产生的预测误差进行高斯分布建模,为数据异常检测提供判断依据。最后使用最小二乘法完成对端面平面度的求解。通过工业实验验证了该方法的有效性,其测量精度为±0.073 mm,相较于传统平面度在线检测精度提高明显。

Traffic An o ma ly De te ctio n in Backbone Networks Using C la s s ifica tio n o f M u Itid ime n s io n a I Time Series of Entropy

Detecting traffic anomalies is essential for diagnosing attacks. HighSp eed Backbone Net works （HSBN） require Traffic Anomaly Detection Systems （TADS） which are accurate （high detec tion and low false positive rates） and efficient. The proposed approach utilizes entropy as traffic distributions metric over some traffic dimensions. An efficient algorithm, having low computational and space complexity, is used to estimate entro py. Entropy values over all dimensions are

Surface thermal centroid anomaly of the eastern equatorial Pacific as a unified Nio index

By analyzing the variability of global SST （sea surface temperature） anomalies, we propose a unified Nifio index using the surface thermal centroid anomaly of the region along the Pacific equator embraced by the 0.7~C contour line of the standard deviation of the SST anomalies and try to unify the traditional Nifio regions into a single entity. The unified Nifio region covers almost all of the traditional Nifio regions. The anomaly time series of the averaged SST over this region are closely correlated to historical Nifio indices. The anomaly time series of the zonal and meridional thermal centroid have close correlation with historical TNI （Trans-Nifio index） indices, showing differences among E1 Nifio （La Nifia） events. The meridional centroid anomaly suggests that areas of maximum temperature anomaly are moving meridionally （although slightly） with synchronous zonal movement. The zonal centroid anomalies of the unified Nifio region are found helpful in the classification of the Eastern Pacific （EP）/Central Pacific （CP） types of E1 Nifio events. More importantly, the zonal centroid anomaly shows that warm areas might move during a single warming/cooling phase. All the current Nifio indices can be well represented by a simple linear combination of unified Nifio indices, which suggests that the thermal anomaly （SSTA） and thermal centroid location anomaly of the unified Nifio region would yield a more complete image of each E1 Nifio/ La Nina event.

Seasonal timing of stratospheric final warming associated with the intensity of stratospheric sudden warming in preceding winter

The association of seasonal timing of stratospheric final warming events(SFWs) in spring and the occurrence of major and minor stratospheric sudden warming events(SSWs) in midwinter were investigated through statistical analysis, parallel comparison, and composite analysis, based on the NCEP-NCAR reanalysis dataset covering 1958–2012. It was found that the intensity and occurrence of winter SSW events can largely affect the timing of spring SFWs. Specifically, the SFW onset dates tend to be later(earlier) after the occurrence(absence) of winter major SSWs. However, the occurrence or absence of minor SSWs does not change the frequency of early and late SFWs. A parallel comparison of the temporal evolution of the anomalous circulation and planetary-waves between major SSW and minor SSW winters indicates that the stratospheric polar vortex(polar jet) will keep being anomalously stronger 30 days after major SSW onset. And the associated significant negative Eliassen-Palm(EP) flux anomalies can persist for as long as 45 days after major SSW events. In contrast, the circulation anomalies around the occurrence of minor SSW events can last only a few days. To further verify the possible influence of the occurrence of major SSWs on the seasonal timing of SFWs, composite analysis was performed respectively for the 21 major-SSW years, 15 minor-SSW years, and the 15 non-SSW years. Generally, planetary-wave activity in the extratropical stratosphere tends to be stronger(weaker) and the westerly polar jet is anomalously weaker(stronger) in major-SSW(non-SSW) winters. But in the following spring, the planetary-wave activity is weaker(stronger) accompanied with an anomalously stronger(weaker) stratospheric polar vortex. In spring after minor-SSW years, however, the stratospheric polar vortex and the westerly polar jet exhibit a state close to climatology with relatively gentle variations.

Analysis of isentropic potential vorticities for the relationship between stratospheric anomalies and the cooling process in China

We analyze the relationships between strato- spheric polar vortex anomalies and cooling events in eastern China using isentropic reanalysis data from the European Center for Medium-Range Weather Forecasts. Daily mean data from 2000 to 2011 are used to explore the effective stratospheric signals. First, diagnoses of the 2009/2010 winter show that after the stratospheric sudden warming （SSW） of the Atlantic-East Asian （AEA） pattern, the stratospheric high isentropic potential vorticity （IPV） center derived from the split polar vortex will move to the northeast of the Eurasian continent. The air mass, accom- panied by some southward and eastward movements and characterized by high IPV values, will be stretched verti- cally, leading to apparent reinforcements of the positive vorticity and the development of acold vortex system in the troposphere. The northerly wind on the western side of the cold vortex can transport cold air southward and down- ward, resulting in this distinct cooling process in eastern China. Secondly, the empirical orthogonal function ana- lyses of IPV anomalies on the 430 K isentropic surface during 2000-2011 winters indicate that the IPV distribution and time series of the first mode are able to represent the polar vortex variation features, which significantly influ- ence cold-air activity in eastern China, especially in the AEA-type SSW winter. When the time series increases significantly, the polar vortex will be split and the high-IPV center will move to the northeast of the Eurasian continent with downward and southward developments, inducing obvious cooling in eastern China. Moreover, all the four times SSW events of AEA pattern from 2000 to 2011 are reflected in the first time series, and after the strong polar vortex disturbances, cooling processes of different inten- sities are observed in eastern China. The cooling can sus- tain at least 1 week. For this reason, the first time series can be used as an available index of polar vortex oscillation and has the power to predict cold-air activity in winter.