Ανίχνευση ασυνήθιστης συμπεριφοράς στην εξόρυξη δεδομένων

Χασάνης, Παναγιώτης

dc.contributor.advisor	Κούτρας, Μάρκος
dc.contributor.author	Χασάνης, Παναγιώτης
dc.date.accessioned	2019-05-13T09:31:16Z
dc.date.available	2019-05-13T09:31:16Z
dc.date.issued	2019-01
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/11972
dc.description.abstract	Ο όρος ανίχνευση ασυνήθιστης συμπεριφοράς ή ανωμαλιών χρησιμοποιείται για να περιγράψει τεχνικές με τις οποίες εντοπίζονται αντικείμενα, γεγονότα ή παρατηρήσεις οι οποίες δεν ακολουθούν τους γενικούς κανόνες των δεδομένων που παρατηρούμε και χαρακτηρίζονται ως ανωμαλίες. Οι ανωμαλίες προκύπτουν εξαιτίας μηχανικών βλαβών, αλλαγές στη συμπεριφορά του συστήματος, δόλια συμπεριφορά, ανθρώπινο σφάλμα, σφάλμα οργάνου ή απλά μέσω φυσικών αποκλίσεων στους πληθυσμούς. Η έγκαιρη ανίχνευση των ανωμαλιών μπορεί να εντοπίσει τα σφάλματα του συστήματος και την απάτη πριν κλιμακωθούν με δυνητικά καταστροφικές συνέπειες. Πολλές τεχνικές ανίχνευσης ασυνήθιστης συμπεριφοράς έχουν αναπτυχθεί ειδικά για ορισμένους τομείς εφαρμογής, ενώ άλλες είναι πιο γενικές. Στη παρούσα διπλωματική εργασία προσπαθούμε να παρέχουμε μια δομημένη και ολοκληρωμένη επισκόπηση της έρευνας σχετικά με την ανίχνευση ασυνήθιστης συμπεριφοράς. Για τις διαφορετικές κατηγορίες τεχνικών ανίχνευσης ανωμαλιών παρουσιάζεται η βασική τεχνική και οι παραδοχές, οι οποίες χρησιμοποιούνται για τη διαφοροποίηση μεταξύ κανονικής και ανώμαλης συμπεριφοράς. Επίσης, για κάθε κατηγορία παρουσιάζονται διάφορες μέθοδοι ανίχνευσης ανωμαλιών, οι οποίες στηρίζονται στη αντίστοιχη βασική τεχνική, και προσδιορίζονται τα πλεονεκτήματα και τα μειονεκτήματά τους. Τέλος, γίνεται εφαρμογή και σύγκριση της απόδοσης διάφορων μεθόδων ανίχνευσης ασυνήθιστης συμπεριφοράς.	el
dc.format.extent	98	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.title	Ανίχνευση ασυνήθιστης συμπεριφοράς στην εξόρυξη δεδομένων	el
dc.title.alternative	Anomaly detection in data mining	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης	el
dc.description.abstractEN	The term outlier or anomaly detection is used to describe techniques that detect objects, events or observations that do not follow the general rules of the data we observe and are characterized as anomalies. Anomalies arise due to mechanical faults, changes in system behavior, fraudulent behavior, human error, instrument error or simply through natural deviations in populations. Their detection can identify system faults and fraud before they escalate with potentially catastrophic consequences. Many anomaly detection techniques have been specifically developed for certain application domains, while others are more generic. This thesis tries to provide a structured and comprehensive overview of the research on anomaly detection. For each category of anomaly detection techniques, the basic technique and the assumptions used to differentiate between normal and anomaly behavior are presented. In addition, for each category various methods of anomaly detection, which are based on the corresponding basic technique are presented, and their advantages and disadvantages are determined. Finally, various methods are applied, and their performance in detecting anomalies is compared.	el
dc.contributor.master	Εφαρμοσμένη Στατιστική	el
dc.subject.keyword	Anomaly detection	el
dc.subject.keyword	Outlier detection	el
dc.date.defense	2019-01-28

Files in this item

Name:: Chasanis_16020.pdf
Size:: 1.243Mb
Format:: PDF
Description:: Μεταπτυχιακή διατριβή

View/Open

This item appears in the following Collection(s)

Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science

Show simple item record

Except where otherwise noted, this item's license is described as
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές