本文是LLM系列文章,针对《Dive into Time-Series Anomaly Detection: A Decade Review》的翻译。
《深入时间序列异常检测:十年回顾》
摘要
数据收集技术的最新进展,伴随着流数据量和速度的不断增长,突显了对时间序列分析的迫切需求。在这方面,时间序列异常检测一直是一项重要活动,在网络安全、金融市场、执法和医疗保健等领域都有各种应用。虽然传统的异常检测文献主要集中在统计指标上,但近年来越来越多的机器学习算法要求对时间序列异常检测的研究方法进行结构化、通用的表征。本调查在时间序列背景下,对以流程为中心的分类下的异常检测现有解决方案进行了分组和总结。除了对异常检测方法进行原始分类外,我们还对文献进行了元分析,并概述了时间序列异常检测研究的一般趋势。