Разработан метод обнаружения редких сбоев в работе сетей.

Новости МирТесен

Ученые Центр искусственного интеллекта при Московском государственном университете имени М.В. Ломоносова представили исследование методов выявления редких аномалий в больших потоках шумовых данных. Работа посвящена анализу методов обработки данных, позволяющих обнаруживать редкие аномальные задержки в телекоммуникационных сетях. Результаты опубликованы в журнале MDPI Mathematics.

В большинстве систем мониторинга значимые сигналы возникают нечасто и теряются в большом количестве шумовых данных. Подобная проблема, к примеру, проявляется при анализе сетевых задержек: обычно пакеты передаются без задержек, но внезапные скачки времени отклика могут свидетельствовать о перегрузках сети или неисправностях оборудования.

В рамках исследования была изучена математическая модель, позволяющая выявлять редкие аномальные события на фоне случайных колебаний. Для анализа применялся метод обработки данных, в котором незначительные отклонения рассматриваются как шум, а значительные выбросы сохраняются для последующего изучения. Данный подход получил широкое распространение при решении задач обработки сигналов и обнаружения аномалий.

В ходе исследования авторы оценили эффективность предложенного подхода при работе с большими данными и проанализировали особенности алгоритма в процессе автоматической настройки порогового значения фильтрации. Исследование продемонстрировало, что разработанный метод позволяет идентифицировать нечастые аномальные сигналы даже при высоком уровне помех.

Чтобы продемонстрировать предложенный метод, авторы исследования использовали фактические данные о задержках при передаче сетевых пакетов. Проведенные опыты выявили, что после обработки значительная часть случайных колебаний устраняется, при этом необычные задержки остаются для дальнейшего изучения.

«Мы изучили эффективность методов пороговой обработки в ситуациях, когда полезные сигналы встречаются нечасто и могут быть замаскированы шумом. Подобные модели имеют значение для задач мониторинга сетевых ресурсов и выявления отклонений в потоках данных», — отметил Евгений Степанов, является ассистентом кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ и старшим научным сотрудником Центра ИИ МГУ.

Авторы утверждают, что полученные результаты могут быть использованы для анализа сигналов, контроля за состоянием сетей и выявления необычных отклонений в масштабных массивах информации.

Информация предоставлена пресс-службой МГУ