Anomaly Detection

19 items

RESEARCHarXiv CS.AI·4/17/2026

Fun-TSG: A Function-Driven Multivariate Time Series Generator with Variable-Level Anomaly Labeling

Die Bewertung von Anomalieerkennungsmethoden in multivariaten Zeitreihen ist aufgrund begrenzter Benchmark-Datensätze mit feingranularen Annotationen schwierig. Fun-TSG wird als anpassbarer Zeitreihengenerator eingeführt, um dieses Problem zu lösen, indem es sowohl automatisierte als auch manuelle Datengenerierung mit voller Transparenz für eine rigorose Evaluierung ermöglicht.

Anomaly Detection Benchmarking Data Generation Time Series

RESEARCHarXiv CS.LG·vor 13T

When Rule Violations Are Rare: Chimera Training for Logical Anomaly Detection

Dieses Papier schlägt eine Methode zur Anomalieerkennung namens Chimera Training vor, die sich auf Verletzungen semantischer Beschränkungen konzentriert, die als logische Regeln über erlernte visuelle Konzepte gegeben sind. Es verwendet einen neuronalen Regel-Evaluator, der Beschränkungen in gerichtete azyklische Graphen kompiliert und logische Operatoren lernt, um Regelerfüllungswahrscheinlichkeiten zu berechnen, selbst bei knappen Trainingsdaten für tatsächliche Verstöße.

neural networks Anomaly Detection machine learning logical reasoning

RESEARCHDEV.to AI·4/28/2026

Anomaly Detection in Bitcoin Network Using Unsupervised Learning Methods

Dieser Inhalt befasst sich mit der Anwendung von unüberwachten Lernmethoden zur Anomalieerkennung im Bitcoin-Netzwerk. Ziel ist es, ungewöhnliche Muster oder betrügerische Transaktionen mithilfe von KI-Techniken ohne vorab gelabelte Daten zu identifizieren.

Blockchain Anomaly Detection Bitcoin unsupervised learning

RESEARCHDEV.to AI·4/21/2026

Explainable Causal Reinforcement Learning for satellite anomaly response operations under multi-jurisdictional compliance

Der Text behandelt die Notwendigkeit erklärbarer und kausaler KI für Raumfahrtoperationen, illustriert durch einen Satellitenvorfall, bei dem eine automatische Korrektur Datenschutzbestimmungen verletzte. Er hebt das Versagen traditioneller KI-Ansätze hervor, die Komplexität technischer Einschränkungen, operationeller Prioritäten und juristischer Grenzen zu bewältigen.

Anomaly Detection Aerospace AI reinforcement learning Explainable AI

ARTICLEDEV.to AI·vor 25T

I loaded 30 days of real LLM traces into a live demo. Here is what they reveal

Der Autor entwickelte Torrix, eine selbst gehostete LLM-Beobachtbarkeitsplattform, die Anrufe protokolliert, Kosten berechnet und Anomalien automatisch kennzeichnet, um Probleme wie unerwartete Rechnungen und fehlerhafte Modellausgaben zu lösen. Eine Live-Demo mit 30 Tagen simulierter LLM-Traces über drei Projekte hinweg wurde erstellt, um die Nutzung zu erleichtern.

cost management Anomaly Detection LLM traces LLM Observability

RESEARCHDEV.to AI·5/7/2026

Abnormal Client Behavior Detection in Federated Learning

Dieser Inhalt befasst sich mit der Erkennung von abnormalem Client-Verhalten in föderierten Lernumgebungen. Ziel ist es, ungewöhnliche Aktionen zu identifizieren und abzuschwächen, die die Integrität des globalen Modells beeinträchtigen könnten.

Anomaly Detection learning security federated learning

ARTICLEDEV.to AI·4/20/2026

ModSense Moderation Intelligence System

ModSense ist ein KI-gestütztes Moderations-Intelligenzsystem, ein produktionsreifer Prototyp für große Gemeinschaften wie Reddit. Es kombiniert Echtzeit-Anomalieerkennung und graphenbasierte Community-Gesundheitsmodellierung mit einer KI-Schicht (Gemini 3 Flash), um Probleme wie Toxizität und Desinformation zu erkennen und darauf zu reagieren.

Anomaly Detection content moderation AI Gemini AI

RESEARCHarXiv CS.LG·5/5/2026

PhaseNet++: Phase-Aware Frequency-Domain Anomaly Detection for Industrial Control Systems via Phase Coherence Graphs

PhaseNet++ stellt einen neuartigen Frequenzbereichs-Autoencoder zur Anomalieerkennung in industriellen Steuerungssystemen (ICS) vor, der das bisher vernachlässigte Phasenspektrum in der multivariaten Zeitreihenanalyse berücksichtigt. Er verwendet einen Phasen-Kohärenz-Index, um ein Graph-Aufmerksamkeitsnetzwerk zu steuern und die Erkennung von cyber-physischen Angriffen zu verbessern.

Anomaly Detection cyber-physical systems security machine learning

RESEARCHarXiv CS.LG·4/28/2026

Avionic Main Fuel Pump Simulation and Fault-Diagnosis Benchmark

Dieses Papier stellt eine hochpräzise, physikbasierte Co-Simulation eines Hauptkraftstoffpumpensystems für Flugzeuge vor, um Daten für die Anomalieerkennung und -diagnose zu generieren. Es bekämpft den Datenmangel in kritischen cyber-physischen Systemen und demonstriert die Machbarkeit mit unbeaufsichtigten RNN-VAE- und SOM-VAE-Modellen.

fault diagnosis Anomaly Detection cyber-physical systems machine learning

RESEARCHarXiv CS.LG·4/27/2026

Performance Anomaly Detection in Athletics: A Benchmarking System with Visual Analytics

Diese Forschung stellt ein System zur Erkennung verdächtiger Leistungsmuster in der Leichtathletik vor, das 1,6 Millionen Leistungen und acht Methoden, darunter maschinelles Lernen und Trajektorieanalyse, nutzt. Es zielt darauf ab, traditionelle Anti-Doping-Programme zu ergänzen, indem potenzielle Verstöße durch Datenanalyse identifiziert werden, wobei trajektorienbasierte Methoden am effektivsten sind.

Anomaly Detection Sports analytics machine learning anti-doping

RESEARCHarXiv CS.LG·4/27/2026

Conditional anomaly detection using soft harmonic functions: An application to clinical alerting

Dieses Papier stellt eine neue nicht-parametrische Methode zur bedingten Anomalieerkennung unter Verwendung weicher harmonischer Funktionen vor. Ziel ist es, ungewöhnliche Reaktionen in klinischen Daten, wie das Fehlen wichtiger Labortests, zu identifizieren und die Wirksamkeit anhand realer elektronischer Gesundheitsakten zu demonstrieren.

Anomaly Detection machine learning healthcare AI clinical alerting

RESEARCHarXiv CS.LG·4/9/2026

SMT-AD: a scalable quantum-inspired anomaly detection approach

SMT-AD é uma nova abordagem inspirada em computação quântica para detecção de anomalias, utilizando redes de tensores e embedding de características assistido por Fourier. O método se mostrou eficaz em datasets padrão, como transações de cartão de crédito, alcançando performance competitiva mesmo com configurações mínimas.

Anomaly Detection machine learning tensor networks feature embedding

RESEARCHarXiv CS.AI·vor 7T

Product-Aware Deep Autoencoders for Robust Process Monitoring in Multi-Product Cyber-Physical Systems

Industrie 4.0 erfordert eine robuste Anomalieerkennung in Cyber-Physischen Systemen (CPS), doch produktagnostische Modelle weisen blinde Flecken für subtile Anomalien oder gezielte Angriffe auf. Diese Arbeit demonstriert diese Schwachstelle und schlägt einen produktbewussten Autoencoder als Minderung vor, indem der Lernbereich eingeschränkt wird.

Anomaly Detection cyber-physical systems autoencoders security

RESEARCHarXiv CS.LG·vor 29T

A Hierarchical Ensemble Pipeline for Anomaly Detection in ESA Satellite Telemetry

Eine hierarchische Ensemble-Pipeline wird zur Anomalieerkennung in multivariaten Telemetriedaten der Europäischen Weltraumorganisation (ESA) vorgeschlagen. Diese Methode, die verschiedene Merkmalsextraktions- und Modellierungstechniken integriert, zeigt eine starke Generalisierbarkeit und Wirksamkeit bei der Erkennung subtiler Anomalien in der Satellitentelemetrie.

Anomaly Detection ensemble methods ESA machine learning

RESEARCHarXiv CS.LG·vor 22T

Logical Grammar Induction via Graph Kolmogorov Complexity: A Neuro-Symbolic Framework for Self-Healing Clinical Data Integrity

Dieses Papier stellt Logic-GNN vor, ein neuro-symbolisches Framework, das temporale Graphen-Neuronale Netze und Graphen-Kolmogorov-Komplexität nutzt, um Dateneingabefehler in klinischen Aufzeichnungen zu erkennen. Es identifiziert Anomalien als "grammatische Verletzungen" in einer latenten logischen Grammatik medizinischer Interaktionen und erreicht einen F1-Score von 0,94.

Anomaly Detection data integrity Graph Neural Networks healthcare AI

RESEARCHarXiv CS.LG·vor 14T

Parameter Efficient Multi-Class Intelligent Scheduling for Multimodal Online Distributed Industrial Anomaly Detection

Dieses Papier schlägt MODIAD vor, ein neuartiges Framework zur multimodalen Online-Verteilten Industriellen Anomalieerkennung, das die Einschränkungen bestehender Methoden in realen Industrieumgebungen adressiert. Es zielt darauf ab, Edge-Intelligenz für verteiltes Modelltraining in Industriesystemen zu nutzen.

Anomaly Detection multimodal AI edge intelligence industrial AI

RESEARCHarXiv CS.LG·vor 8T

A Novel Evaluation Metric for Unsupervised Learning in AIS-Based Maritime Anomaly Detection: MADQI

Diese Arbeit stellt ein neues Framework zur Erkennung von Anomalien in maritimen AIS-Datensätzen vor, das sich auf anormale Schiffsverhaltensweisen konzentriert. Es wird eine neue Qualitätsmetrik, MADQI, vorgeschlagen, um die Leistung von unüberwachten Lernmodellen bei der Erkennung dieser Anomalien ohne gekennzeichnete Daten zu bewerten.

Anomaly Detection maritime learning AIS

RESEARCHarXiv CS.LG·vor 6T

Testing the Test: Score-Direction Instability in Class-Split Anomaly Detection

Die klassengeteilte Anomalieerkennung innerhalb eines Datensatzes kann problematisch werden, wenn die Anomalieklasse mit den normalen Daten überlappt, was zu instabilen oder invertierten Bewertungen führt. Eine neue, trainingsfreie Diagnose, das "Neighborhood Class Leakage", wird vorgestellt, die diese Instabilität über verschiedene Datensätze und Modelle hinweg vorhersagt.

Score Instability Anomaly Detection machine learning Out-of-Distribution Detection

ARTICLEDEV.to AI·4/14/2026

How AI is changing cybersecurity

Künstliche Intelligenz revolutioniert die Cybersicherheit und dient in der digitalen Welt sowohl als ultimative Waffe als auch als stärkster Schild. KI-gestützte Systeme überwachen riesige Netzwerke und erkennen unaufhörlich Anomalien, die menschliche Fähigkeiten übersteigen.

Anomaly Detection Network Security cybersecurity machine learning