RareSense: Новый Подход к Обнаружению Аномалий в Транзакционных Данных

В области обнаружения аномалий в разреженных транзакционных данных традиционные меры схожести часто оказываются неэффективными из-за их зависимости от общих атрибутов. Методы, такие как коэффициент Жаккара и косинусное сходство, обычно оценивают объекты, основываясь на простых пересечениях, что может затмить значимые, но редкие характеристики. Чтобы решить эту проблему, мы представляем RareSense, структуру, разработанную для улучшения поиска схожести, акцентируя внимание на редких наборах элементов. RareSense идентифицирует минимальные редкие наборы и формулирует надежные правила ассоциации, преобразуя данные в разреженные профили, отражающие эти редкие ассоциации. Используя взвешенное сходство Жаккара, структура приоритизирует общие редкие доказательства, а не простое наложение признаков. Наши результаты показывают, что RareSense превосходит традиционные методы в нескольких тестах на эталонах в различных областях, особенно в ситуациях, когда аномалии демонстрируют последовательные редкие структуры.