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

Lucas Foulon 1, 2 Christophe Rigotti 2, 3, 4 Serge Fenet 2 Denis Jouvin 1
2 DM2L - Data Mining and Machine Learning
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
4 BEAGLE - Artificial Evolution and Computational Biology
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information, Inria Grenoble - Rhône-Alpes, LBBE - Laboratoire de Biométrie et Biologie Evolutive - UMR 5558
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.
Complete list of metadatas

https://hal.inria.fr/hal-02019035
Contributor : Serge Fenet <>
Submitted on : Saturday, February 16, 2019 - 11:03:52 PM
Last modification on : Friday, July 5, 2019 - 9:16:37 AM
Long-term archiving on : Friday, May 17, 2019 - 1:31:13 PM

File

prelim_iSax_CFOF.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02019035, version 1

Citation

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⟩

Share

Metrics

Record views

223

Files downloads

372