Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/34457

Título:

Steps towards continual learning in multivariate time-series anomaly detection using variational autoencoders

Otros títulos:

Coordinador:

Director:

Compilador:

Autor:

García González, Gastón
Casas, Pedro
Fernández, Alicia
Gómez, Gabriel

Tutor:

Tipo de documento:

Póster

Editor:

Palabras clave:

Mathematics of computing
Time series analysis
Networks
Network monitoring
Variational Autoencoders
Time-Series
Anomaly Detection

Descriptores:

Año de publicación:

2022

Contenido:

Resumen:

We present DC-VAE, an approach to network anomaly detection in multivariate time-series (MTS), using Variational Auto Encoders (VAEs) and Dilated Convolutional Neural Networks (CNN). DC-VAE detects anomalies in MTS data through a single model, exploiting temporal and spatial MTS information. We showcase DC-VAE in different MTS datasets, and portray its future application in a continual learning framework, exploiting the generative properties of the underlying generative model to deal with continuously evolving data, avoiding catastrophic forgetting. We showcase the functioning of DC-VAE in the event of concept drifts, and propose the application of a novel approach to generative-driven continual learning, introducing the Deep Generative Replay model.

Descripción:

Transferencia tecnológica. Grupo de investigación Detección de anomalías en series de tiempo, Facultad de Ingeniería. Instituto de Ingeniería Eléctrica.

metadata.articulos.dc.description.uri:

Editorial:

ACM

EN:

IMC 22 : Proceedings of the 22nd ACM Internet Measurement Conference, Nice, France, 25-27 oct. 2022, pp. 774-775.

Financiadores:

Citación:

García González, G., Casas, P., Fernández, A. y otros. Steps towards continual learning in multivariate time-series anomaly detection using variational autoencoders [en línea]. Póster, 2022.

Citación:

metadata.articulos.cc.license.name:

ISBN:

e-ISBN:

ISSN:

978-1-4503-9259-4

ISMN:

Otros identificadores:

Cobertura geográfica:

Cobertura temporal:

Departamento académico:

Procesamiento de Señales
Telecomunicaciones

Grupo de investigación:

Tratamiento de Imágenes
Tratamiento de Imágenes

Licencia:

Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)

Colecciones:

Publicaciones académicas y científicas
FicherosDescripciónTamañoFormato
GCFG22.pdf Versión publicada 3.87 MB Adobe PDF
Mostrar el registro Dublin Core completo del ítem