Une nouvelle approche de détection des anomalies dans les réseaux multidimensionnels

Chouchane, Amani (2018). « Une nouvelle approche de détection des anomalies dans les réseaux multidimensionnels » Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.

Fichier(s) associé(s) à ce document :
[img]
Prévisualisation
PDF
Télécharger (9MB)

Résumé

L'analyse des réseaux d'informations complexes est un domaine de recherche récent, issu du croisement de deux univers connexes qui sont la théorie des graphes et le forage de données. De ce fait, les réseaux d'informations complexes peuvent être modélisés par des graphes multidimensionnels où les nœuds sont interconnectés par un ou plusieurs types de liens, de sorte que chaque type de lien représente une dimension d'analyse. À présent, les travaux de recherche dans les réseaux multidimensionnels couvrent quelques problématiques telles que la détection de communautés et l'élaboration de métriques de centralité. Toutefois, dans l'ensemble, les recherches ne se sont pas attardées sur la problématique de détection d'anomalies. Principalement, la détection d'anomalies repose sur l'identification des observations rares et atypiques dans les jeux de données. Généralement, dans un graphe, une anomalie peut être associée à un nœud, à un lien ou à un sous-ensemble de nœuds du graphe. Du fait qu'elle ne détient pas une définition universelle et qu'elle est souvent liée à un contexte d'application bien spécifique, la détection d'anomalie reste peu développée dans les réseaux multidimensionnels. Dans le cadre de ce mémoire, nous proposons une première tentative de détection d'anomalies dans les réseaux multidimensionnels, basée sur deux étapes. En premier, nous proposons une nouvelle fonction pour calculer un score d'anomalie pour chaque nœud du réseau. Les anomalies reçoivent des scores faibles tandis que les nœuds normaux reçoivent des scores élevés. Par la suite, nous modélisons la distribution des scores en utilisant le modèle de mélange beta. Les anomalies sont identifiées automatiquement par le composant beta qui détient les valeurs des scores d'anomalies les plus faibles. Nous testons notre approche moyennant un ensemble d'expérimentations sur des données synthétiques et réelles dans le but d'évaluer empiriquement ses performances. ____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Détection d'anomalie, Réseaux multidimensionnels, Analyse de liens.

Type: Mémoire accepté
Informations complémentaires: Le mémoire a été numérisé tel que transmis par l'auteur.
Directeur de thèse: Bouguessa, Mohamed
Mots-clés ou Sujets: Détection des anomalies / Réseaux complexes / Réseaux multidimensionnels
Unité d'appartenance: Faculté des sciences > Département d'informatique
Déposé par: Service des bibliothèques
Date de dépôt: 11 juin 2018 10:51
Dernière modification: 29 nov. 2023 16:00
Adresse URL : http://archipel.uqam.ca/id/eprint/11333

Statistiques

Voir les statistiques sur cinq ans...