La evaluación de métodos de detección de anomalías en series temporales multivariadas es difícil por la falta de datasets de referencia detallados. Fun-TSG es un generador personalizable de series temporales que mejora esta evaluación, permitiendo la generación automatizada o manual con total transparencia.
Este artículo propone un método de detección de anomalías llamado Chimera Training, centrado en violaciones de restricciones semánticas dadas como reglas lógicas sobre conceptos visuales aprendidos. Utiliza un evaluador de reglas neuronal que compila las restricciones en grafos acíclicos dirigidos, aprendiendo operadores lógicos para calcular probabilidades de satisfacción de reglas, incluso con datos de entrenamiento escasos para violaciones reales.
Este contenido analiza la aplicación de métodos de aprendizaje no supervisado para la detección de anomalías en la red Bitcoin. Busca identificar patrones inusuales o transacciones fraudulentas aprovechando técnicas de IA sin datos previamente etiquetados.
El texto aborda la necesidad de una IA explicable y causal para operaciones espaciales, ilustrando con un incidente satelital donde una corrección automatizada violó las regulaciones de soberanía de datos. Destaca el fracaso de los enfoques tradicionales de IA para manejar la complejidad de las restricciones técnicas, las prioridades operativas y los límites jurisdiccionales.
El autor desarrolló Torrix, una plataforma de observabilidad LLM autoalojada que registra llamadas, calcula costos y detecta anomalías automáticamente, para resolver problemas como facturas sorpresa y fallos silenciosos de modelos. Se creó una demostración en vivo con 30 días de rastreos de LLM simulados en tres proyectos para facilitar la experimentación.
Este contenido explora la detección de comportamiento anómalo de clientes en entornos de aprendizaje federado. Busca identificar y mitigar acciones inusuales que podrían comprometer la integridad del modelo global.
ModSense es un sistema de inteligencia de moderación asistido por IA, un prototipo de grado de producción para grandes comunidades como Reddit. Combina detección de anomalías en tiempo real y modelado de la salud comunitaria basado en grafos con una capa de IA (Gemini 3 Flash) para identificar y responder a problemas como la toxicidad y la desinformación.
PhaseNet++ introduce un novedoso autoencoder de dominio de frecuencia para la detección de anomalías en Sistemas de Control Industrial (ICS), abordando el espectro de fase ignorado en el análisis de series de tiempo multivariadas. Utiliza un Índice de Coherencia de Fase para guiar una red de atención gráfica, mejorando la detección de ataques ciberfísicos.
Este artículo presenta una co-simulación de alta fidelidad e informada por la física de un sistema de bomba de combustible principal de aeronave para generar datos de detección y diagnóstico de fallas. Aborda la escasez de datos en sistemas ciberfísicos críticos y demuestra su viabilidad con modelos de IA no supervisados como RNN-VAE y SOM-VAE.
Esta investigación presenta un sistema para la detección de patrones de rendimiento sospechosos en atletismo, utilizando 1,6 millones de actuaciones y ocho métodos, incluyendo aprendizaje automático y análisis de trayectoria. Su objetivo es complementar el programa antidopaje tradicional, identificando posibles violaciones mediante el análisis de datos, siendo los métodos basados en trayectoria los más efectivos.
Este artículo presenta un nuevo método no paramétrico para la detección condicional de anomalías utilizando funciones armónicas suaves. Busca identificar respuestas inusuales en datos clínicos, como pruebas de laboratorio omitidas, demostrando su eficacia en registros electrónicos de salud.
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.
La Industria 4.0 exige una detección robusta de anomalías en Sistemas Ciberfísicos (CPS), pero los modelos agnósticos al producto tienen puntos ciegos para anomalías sutiles o ataques dirigidos. Este trabajo demuestra esta vulnerabilidad y propone un Autoencoder Sensible al Producto para mitigarla, restringiendo el dominio de aprendizaje.
Se propone una pipeline de conjunto jerárquico para la detección de anomalías en datos de telemetría multivariados de la Agencia Espacial Europea (ESA). Este método, que integra varias técnicas de extracción de características y modelado, demuestra una fuerte generalización y eficacia en la detección de anomalías sutiles en la telemetría satelital.
Este artículo introduce Logic-GNN, un marco neuro-simbólico que utiliza Redes Neuronales Gráficas Temporales y la Complejidad de Kolmogorov para detectar errores de entrada de datos en registros clínicos. Identifica anomalías como "violaciones gramaticales" en una gramática lógica latente de interacciones médicas, logrando una puntuación F1 de 0.94.
Este artículo propone MODIAD, un nuevo framework para la detección de anomalías industriales multimodales, online y distribuidas, abordando las limitaciones de los métodos existentes en entornos industriales del mundo real. Su objetivo es aprovechar la inteligencia de borde para el entrenamiento distribuido de modelos en sistemas industriales.
Este artículo presenta un nuevo marco para la detección de anomalías en conjuntos de datos del Sistema de Identificación Automática (AIS) marítimo, centrándose en comportamientos anormales de embarcaciones. Propone una nueva métrica de calidad, MADQI, para evaluar el rendimiento de los modelos de aprendizaje no supervisado en la detección de estas anomalías sin requerir datos etiquetados.
La evaluación de detección de anomalías con división de clases dentro del conjunto de datos puede ser problemática cuando la clase anómala se superpone con los datos normales, causando inestabilidad o inversión de las puntuaciones. Se presenta un nuevo diagnóstico, la fuga de clase por vecindad, que predice esta inestabilidad en diversos conjuntos de datos y modelos.
La inteligencia artificial está revolucionando la ciberseguridad, sirviendo como el arma definitiva y el escudo más fuerte en el mundo digital. Los sistemas impulsados por IA monitorean vastas redes y detectan anomalías que superan la capacidad humana, operando sin cesar.