Buchumschlag

AnomalyAID: Reliable Interpretation for Semi-supervised Network Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yuan, Yachao, Huang, Yu, Wu, Yingwen, Wang, Jin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive NAD: Online and Self-adaptive Unsupervised Network Anomaly Detector
von: Yuan, Yachao, et al.
Veröffentlicht: (2024)

Generative Semi-supervised Graph Anomaly Detection
von: Qiao, Hezhe, et al.
Veröffentlicht: (2024)

Normality Calibration in Semi-supervised Graph Anomaly Detection
von: Zeng, Guolei, et al.
Veröffentlicht: (2025)

Semi-supervised Anomaly Detection with Extremely Limited Labels in Dynamic Graphs
von: Chen, Jiazhen, et al.
Veröffentlicht: (2025)

Semi-supervised Graph Anomaly Detection via Robust Homophily Learning
von: Ai, Guoguo, et al.
Veröffentlicht: (2025)

Interpretable Maximum Margin Deep Anomaly Detection
von: Yang, Zhiji, et al.
Veröffentlicht: (2026)

Comparative Study on Supervised versus Semi-supervised Machine Learning for Anomaly Detection of In-vehicle CAN Network
von: Dong, Yongqi, et al.
Veröffentlicht: (2022)

Comparative Study on Semi-supervised Learning Applied for Anomaly Detection in Hydraulic Condition Monitoring System
von: Dong, Yongqi, et al.
Veröffentlicht: (2023)

Higher-order Structure Based Anomaly Detection on Attributed Networks
von: Yuan, Xu, et al.
Veröffentlicht: (2024)

NNG-Mix: Improving Semi-supervised Anomaly Detection with Pseudo-anomaly Generation
von: Dong, Hao, et al.
Veröffentlicht: (2023)

MADCluster: Model-agnostic Anomaly Detection with Self-supervised Clustering Network
von: Lee, Sangyong, et al.
Veröffentlicht: (2025)

Bridging Unsupervised and Semi-Supervised Anomaly Detection: A Theoretically-Grounded and Practical Framework with Synthetic Anomalies
von: Lau, Matthew, et al.
Veröffentlicht: (2025)

Semi-supervised Anomaly Detection via Adaptive Reinforcement Learning-Enabled Method with Causal Inference for Sensor Signals
von: Chen, Xiangwei, et al.
Veröffentlicht: (2024)

AnomalyMatch: Discovering Rare Objects of Interest with Semi-supervised and Active Learning
von: Gómez, Pablo, et al.
Veröffentlicht: (2025)

LogELECTRA: Self-supervised Anomaly Detection for Unstructured Logs
von: Yamanaka, Yuuki, et al.
Veröffentlicht: (2024)

Network Anomaly Traffic Detection via Multi-view Feature Fusion
von: Hao, Song, et al.
Veröffentlicht: (2024)

Fair Anomaly Detection For Imbalanced Groups
von: Wu, Ziwei, et al.
Veröffentlicht: (2024)

Anomaly Detection in Networked Bandits
von: Cheng, Xiaotong, et al.
Veröffentlicht: (2025)

Constraining Anomaly Detection with Anomaly-Free Regions
von: Toller, Maximilian, et al.
Veröffentlicht: (2024)

GRAM: An Interpretable Approach for Graph Anomaly Detection using Gradient Attention Maps
von: Yang, Yifei, et al.
Veröffentlicht: (2023)

Out of Context: Reliability in Multimodal Anomaly Detection Requires Contextual Inference
von: Wilkinghoff, Kevin, et al.
Veröffentlicht: (2026)

Framework GNN-AID: Graph Neural Network Analysis Interpretation and Defense
von: Lukyanov, Kirill, et al.
Veröffentlicht: (2025)

Online Detection of Anomalies in Temporal Knowledge Graphs with Interpretability
von: Zhang, Jiasheng, et al.
Veröffentlicht: (2024)

DEM: A Distilled Explanation Model for Interpretable Anomaly Detection in Physiological Sensor Networks
von: Singh, Jyotirmoy, et al.
Veröffentlicht: (2026)

Federated Structured Sparse PCA for Anomaly Detection in IoT Networks
von: Huang, Chenyi, et al.
Veröffentlicht: (2025)

Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications
von: Shiraishi, Junya, et al.
Veröffentlicht: (2025)

Knowledge-Augmented Explainable and Interpretable Learning for Anomaly Detection and Diagnosis
von: Atzmueller, Martin, et al.
Veröffentlicht: (2024)

End-to-End Convolutional Activation Anomaly Analysis for Anomaly Detection
von: Kozłowski, Aleksander, et al.
Veröffentlicht: (2024)

Cluster Aware Graph Anomaly Detection
von: Zheng, Lecheng, et al.
Veröffentlicht: (2024)

Semi-Supervised Learning for Anomaly Traffic Detection via Bidirectional Normalizing Flows
von: Dang, Zhangxuan, et al.
Veröffentlicht: (2024)

An Interpretable Generative Framework for Anomaly Detection in High-Dimensional Financial Time Series
von: Martinez, Waldyn G
Veröffentlicht: (2026)

ENCODE: Encoding NetFlows for Network Anomaly Detection
von: Cao, Clinton, et al.
Veröffentlicht: (2022)

DTAAD: Dual Tcn-Attention Networks for Anomaly Detection in Multivariate Time Series Data
von: Yu, Lingrui
Veröffentlicht: (2023)

CARLA: Self-supervised Contrastive Representation Learning for Time Series Anomaly Detection
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2023)

Anomaly Detection and Generation with Diffusion Models: A Survey
von: Liu, Yang, et al.
Veröffentlicht: (2025)

A Reliable Framework for Human-in-the-Loop Anomaly Detection in Time Series
von: Deng, Ziquan, et al.
Veröffentlicht: (2024)

Enhanced Anomaly Detection in Automotive Systems Using SAAD: Statistical Aggregated Anomaly Detection
von: Goina, Dacian, et al.
Veröffentlicht: (2024)

SpaceGNN: Multi-Space Graph Neural Network for Node Anomaly Detection with Extremely Limited Labels
von: Dong, Xiangyu, et al.
Veröffentlicht: (2025)

Structured Temporal Causality for Interpretable Multivariate Time Series Anomaly Detection
von: Cho, Dongchan, et al.
Veröffentlicht: (2025)

Interpretable Anomaly-Based DDoS Detection in AI-RAN with XAI and LLMs
von: Chatzimiltis, Sotiris, et al.
Veröffentlicht: (2025)