elasticsearch 使用机器学习创建异常检测,elasticsearch,machine-learning,anomaly-detection,rnn,elasticsearch,Machine Learning,Anomaly Detection,Rnn" /> elasticsearch 使用机器学习创建异常检测,elasticsearch,machine-learning,anomaly-detection,rnn,elasticsearch,Machine Learning,Anomaly Detection,Rnn" />
Fatal编程技术网
  • elasticsearch/
  • elasticsearch 使用机器学习创建异常检测

elasticsearch 使用机器学习创建异常检测

machine-learning

elasticsearch 使用机器学习创建异常检测,elasticsearch,machine-learning,anomaly-detection,rnn,elasticsearch,Machine Learning,Anomaly Detection,Rnn,我对新的ML弹性堆叠印象深刻。他们的技术似乎可以随着时间的推移学习数据模式，并可以预测多个领域的异常情况 放大： 我想知道可以使用什么方法和网络拓扑来创建类似的功能。假设x-pack可以处理时间序列数据，RNN将是一个良好的开端，这公平吗 对你的观点和参考文献感兴趣。从我读到的，如果他们使用神经网络，我会感到惊讶。以下是他们如何检测异常的说法： 通过建立“典型”用户或机器的配置文件来检测群体中的异常值，以了解何时开始偏离群体 这样做异常检测只需要对观察到的行为是否在预期行为的2-3个标准偏差

我对新的ML弹性堆叠印象深刻。他们的技术似乎可以随着时间的推移学习数据模式，并可以预测多个领域的异常情况

放大：

我想知道可以使用什么方法和网络拓扑来创建类似的功能。假设x-pack可以处理时间序列数据，RNN将是一个良好的开端，这公平吗

对你的观点和参考文献感兴趣。

从我读到的，如果他们使用神经网络，我会感到惊讶。以下是他们如何检测异常的说法：

通过建立“典型”用户或机器的配置文件来检测群体中的异常值，以了解何时开始偏离群体

这样做异常检测只需要对观察到的行为是否在预期行为的2-3个标准偏差范围内进行统计测试

如果你出于某种原因想使用神经网络，你可以使用CNN、RNN或注意网络

本文提出的注意机制只是NN的一部分，“编码器由N=6个相同的层组成。每层有两个子层。第一个是多头自注意机制，第二个是简单的、位置完全连接的前馈网络”@RoniGadot，我的观点是OP不一定需要像RNN这样复杂的东西。谷歌的网络是一个基于序列的前馈（无重复）网络。重复：