XiaoMi-AI文件搜索系统
World File Search SystemAnom
使用自适应动态阈值改善异常检测：审查和增强方法
摘要 - 在快速增长的现代网络物理系统中，可承受起着至关重要的作用。在早期确定安全性和安全性问题的有效异常检测对于确保系统可靠性至关重要。虽然许多研究集中在异常检测技术上，但更少的研究解决了一个关键的挑战，为异常检测设定了精确和响应式阈值。在这项研究中，我们对当前阈值设置方法进行了全面审查。此后，我们引入了一种新颖的自适应阈值设置方法。我们的方法是针对各种安全和安全任务量身定制的，并在安全系统的安全性外骨骼模型和能源系统的网络安全方案上进行了测试。结果表明，我们的方法可以增强CPS中异常检测的阈值设置。索引术语 - 分析检测，阈值设置，网络物理系统，时间序列
合作车辆感知中的异常检测...
异常检测是确保自动驾驶安全性的关键要求。在这项工作中，我们利用合作感来共享附近车辆的信息，从而在复杂的交通情况下更准确地识别和共识。为了解决不完美沟通的现实挑战，我们提出了一个基于合作感知的异常检测框架（CPAD），该框架是一个强大的架构，在沟通中断下仍然有效，从而促进了可靠的性能，即使在低频段设置中也可以促进可靠的性能。由于没有用于车辆轨迹的多代理异常检测数据集，因此我们引入了15,000个不同的方案，其中90,000个轨迹通过基于规则的车辆动力学分析生成的90,000个基准数据集。经验结果表明，我们的方法在F1得分，AUC中优于标准异常分类方法，并展示了针对代理连接中断的强大效果。代码和数据集将在：https：//github.com/abastola0/cpad
dev9。颅和椎骨异常。 ...
Crouzon的综合征（s。Craniofacialdissostosis）....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... Saethre-Chotzen syndrome .................................................................................................. 10 Carpenter syndrome ............................................................................................................ 10 Jackson-Weiss syndrome .................................................................................................... 10 Autley-Bixler syndrome ......................................................................................................................................................................................................................................................................................................................................................................................................... ......................................................................................................................................................................................................................................... 11
空间中的边缘计算：基于机器学习方法的热异常检测的FPGA体系结构的设计
在车载太空系统上的广泛的传感器，设备和仪器范围会产生大量旨在传输到地面的数据。但是，下行链路数据速率固有地通过传输功率和地面站访问来限制。边缘计算旨在通过将处理硬件靠近数据源的处理硬件来减少数据链路内链路内的延迟和带宽。在本文中，我们将边缘计算应用于卢森堡大学开发的热异常检测的有效载荷。有效载荷包括一系列前瞻性红外（FLIR）高分辨率长波长红外（LWIR）微摄像机作为边缘感应组件，以生成热图像。使用支持向量机（SVM）算法来检测异常情况，可用于处理热图像和热分布纤维的边缘计算系统，用于处理热图像和热分布。©2025 Cospar。由Elsevier Ltd发布的所有权利保留。
基于控制器区域网络的生成分类器的异常检测系统
摘要 - 作为电子系统在现代车辆中变得越来越复杂且普遍存在，因此在板载网络上保护至关重要，特别是这些系统中的许多都是至关重要的。研究人员表明，现代车辆容易受到各种攻击的影响，从而使攻击者能够控制并损害安全 - 关键的电子系统。因此，文献中已经提出了几种入侵检测系统（IDS）来检测对车辆的这种网络攻击。本文介绍了一个基于新颖的生成分类器的入侵检测系统（IDS），该系统（IDS）专为汽车网络中的异常检测而设计，特别关注控制器区域网络（CAN）。利用变异贝叶斯，我们提出的ID使用深层可变模型来构造有条件概率的因果图。使用自动编码器体系结构来构建分类器以估算条件概率，这有助于通过贝叶斯推断的最终预测概率。对公共汽车挖掘数据集上针对最新IDS的比较评估突出了我们提出的分类器在提高检测准确性和F1分数方面的出色表现。提出的ID通过用有限的培训数据胜过现有模型来证明其功效，从而为汽车系统提供了增强的安全保证。
Causaltad：用于在线轨迹异常检测的因果隐性生成模型
摘要 - 旨在估计鉴于源用途（SD）对的轨迹的异常风险（SD）对的轨迹异常检测已成为许多现实世界应用的关键问题。现有溶液直接训练一个生成模型，以进行观察到的轨迹，并将条件生成概率P（T | C）计算为异常风险，其中T和C分别代表轨迹和SD对。但是，我们认为观察到的轨迹被道路网络偏好混淆，这是SD分布和轨迹的常见原因。现有方法忽略了此问题，将其概括能力限制在分布轨迹上。在本文中，我们定义了轨迹轨迹异常检测问题，并提出了因果关系模型（即因果关系）来求解它。Causaltad采用do -calculus来消除道路网络偏好的混杂偏见，并估计p（t | do（c））作为异常标准。广泛的实验表明，Causaltad不仅可以在训练有素的轨迹上实现卓越的性能，而且通常可以提高分布数据外数据的性能，并改善2。1％〜5。7％和10。6％〜32。分别为7％。
面对内幕威胁：基于LLM微调
基于异常的检测可有效防止不断发展的内幕威胁，但精度仍然低。当前的数据处理可能会导致信息丢失，并且模型通常会努力区分良性异常和实际威胁。这两个问题都阻碍了精确检测。为了解决这些问题，我们提出了基于大语言模型（LLM）微调的精确异常检测解决方案。通过代表自然语言的用户行为，我们减少了信息丢失。我们使用用户行为模式对比度对异常检测的任务进行微调，使用两阶段策略：首先学习一般行为模式，然后使用特定于用户的数据来改进，以改善良性异常和威胁之间的差异化。我们还实施了一个细粒度的威胁追踪机制，以提供行为级别的审计步道。据我们所知，我们的解决方案是第一个在内幕威胁检测中应用LLM微调的方法，在CERT V6.2数据集中达到了0.8941的F1分数，超过所有基线。
研究文章的一个混合LSTM-KNN检测市场微观结构异常的框架：信用DEFA中的高频跳跃行为的证据
本文提出了一个新型混合LSTM-KNN框架，用于检测高频信用违约互换（CDS）市场中市场微观结构异常。该框架将长期短期记忆网络的时间学习能力与K-Nearthert邻居分类的模式识别强度相结合，以识别价格上涨和市场异常。通过分析2020年至2023年的高频CD市场数据，包括来自五个主要CD指数的250万个数据点，该研究表明跳跃检测准确性有了显着提高。混合模型的准确率达到92.8％，与独立的深度学习方法相比，比传统统计方法提高了15.2％，增强了8.5％。该框架保持计算效率，平均处理延迟为48.2毫秒，从而实现了实时市场应用。经验分析揭示了检测到的跳跃与市场流动性状况之间的密切相关性，而投标差价和订购书籍失衡被确定为关键预测指标。该研究在风险管理和市场监视中对市场微观结构动态和实际应用有助于理论理解。
BOXX 异常现象：ETF 税加剧收益率曲线倒挂
丹尼尔·赫默尔是纽约大学法学院的法学教授。他的研究范围广泛，涉及税收、知识产权、行政法和宪法以及非营利组织等主题。他在法律评论和经济学期刊上发表了 50 多篇学术文章和论文，他的学术著作被美国最高法院、多个联邦上诉法院和美国最高法院总统委员会引用。在加入纽约大学教职员工之前，他曾担任联合税收委员会的客座法律顾问、美国最高法院大法官埃琳娜·卡根的书记员，并曾担任芝加哥大学法学院的法学教授和罗纳德·科斯研究学者。他曾在哈佛大学、斯坦福大学和耶鲁大学法学院担任客座教授，并担任全国税务协会的董事会成员。
超声波对锂离子电池的无损测试用于异常检测和质量控制：应用和信号处理
使用超声检查方法用于异常和锂离子电池中的缺陷检测一直是研究人员近年来的一个令人兴奋的主题。用于电池检查的超声波技术主要集中于监视电池状态，识别内部缺陷，并检测诸如锂电池，气体产生和扩展，润湿的一致性以及热失控等问题。该技术通常采用脉搏回波方法，使用触点或沉浸式设置在电池中进行内部缺陷检测。随着超声技术的不断发展，预计将在锂电池检查的各个方面应用越来越多的超声技术。右审讯频率的使用取决于检查的目标。例如，当电池内部有大量阻塞信号的大气体时，使用低频检查。渗透量可能表明细胞的气体程度如何。通过传输信号用于识别与电池内部缺陷相关的音速或穿透量。另一方面，反射信号主要用于定位内部缺陷。当需要单向穿透（例如厚棱镜细胞）并在传感器和细胞之间具有距离时，浸入设置很有用。接触测试通常也用于SOC或SOH估计。