Para acceder a los documentos con el texto completo, por favor, siga el siguiente enlace: http://hdl.handle.net/2099.1/25466

Anomaly detection on large data flows;
Detección de anomalías en grandes flujos de datos;
Detecció d'anomalies en grans fluxos de dades
Cayuela Ràfols, Marc
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions; Vázquez Grau, Gregorio
The proposal is dealing with the study of opportunistic distributed communication networks, including monitoring, sensing and transmission techniques. The work is focused within a cognitive radio framework.
[ANGLÈS] This project studies the anomaly detection problem and proposes two solution approaches for the unsupervised detection problem. These two solutions are based on the fitting of an autoregressive model and the monitoring of the estimation error. The first detector is based on the analysis of the estimation error’s amplitude and uses a simple threshold to decide whether a sample is anomalous or not. The second detector is based on the whiteness property of the estimation error and checks whether error samples are uncorrelated. A hypothesis test is build to decide whether a block of samples is anomalous or not. Both detectors are tested with different signals to check their consistent behavior and that none of them work for all kind of errors. Finally, alternative implementations and potential future developments are proposed to design new and better detectors.
[CASTELLÀ] Este proyecto estudia el problema de detección de anomalías y propone dos aproximaciones a la solución para el problema de detección no supervisada. Estas dos soluciones están basadas en el ajuste de un modelo autorregresivo y en la monitorización del error de estimación. El primer detector está basado en el análisis de la amplitud del error de estimación, y usa un simple umbral para decidir si una muestra es anómala o no. El segundo detector está basado en la propiedad de blancura del error de estimación, y comprueba si las muestras de error son incorreladas. Un test de hipótesis es construido para decidir si un bloque de muestras es anómalo o no. Los dos detectores son testados con diferentes señales para comprobar la consistencia de su comportamiento y que ninguno de ellos funciona para cualquier tipo de error. Finalmente, implementaciones alternativas y desarrollos potenciales futuros son propuestos para el diseño de nuevos y mejores detectores.
[CATALÀ] Aquest projecte estudia el problema de detecció d’anomalies i proposa dos aproximacions a la solució pel problema de detecció no supervisada. Aquestes dues solucions estan basades en l’ajust d’un model autoregressiu i en el monitoratge de l’error d’estimació. El primer detector està basat en l’anàlisi de l’amplitud de l’error d’estimació, i usa un simple llindar per decidir si una mostra és anòmala o no. El segon detector està basat en la propietat de blancor de l’error d’estimació, i comprova si les mostres d’error són incorrelades. Un test d’hipòtesis es construït per decidir si un bloc de mostres és anòmal o no. Els dos detectors són testats amb diferents senyals per comprovar la consistència del seu comportament i que cap d’ells funciona per qualsevol tipus d’error. Finalment, implementacions alternatives i desenvolupaments potencials futurs són proposats pel disseny de nous i millors detectors.
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal
Signal theory (Telecommunication)
hypothesis
autoregressive
hipótesis
autorregresivo
Estadística
Estimació
Senyal, Teoria del (Telecomunicació)
S'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/bachelorThesis
Universitat Politècnica de Catalunya
         

Mostrar el registro completo del ítem