Anomaly Detection Using Layered Networks Based on Eigen Co-occurrence Matrix Note

• 背景知识
• 启发和论文目标
• Eigen co-occurrence matrix (ECM)
• 参考资料

背景知识

• 很难准确建模用户行为
  • 用户行为不断变化
  • 很难完全捕捉
• 用户行为建模
  • 特征向量
    • 直方图
      • 没有次序
    • N-grams
      • N元链接的序列
    • 不相邻事件之间的相关性
  • 网络模型
    • 自动机
      • 需要明确的规则
      • 背景信息各异，难以明确规则
    • 贝叶斯网络
      • 贝叶斯网络表明相应变量之间因果关系变化的方向
      • 应先明确拓扑关系
    • 隐马尔可夫模型（HMM）
      • 很难建立合乎要求拓扑结构

启发和论文目标

• 假设
  • 出现在序列中的用户动态行为不仅可以通过关联的事件进行捕获，也可以通过相隔一定距离不相邻的事件进行捕获
• ECM, Eigen co-occurrence matrices
  • 受到 Eigenface 技术的启发
  • 三个主要部分
    • 动态特征序列建模
    • 提取所得模型的主要特征
    • 从提取的主要特征中自动构建分层网络

Eigen co-occurrence matrix (ECM)

• 手写笔记 :)

参考资料

• Anomaly Detection Using Layered Networks Based on Eigen Co-occurrence Matrix
• Anomaly Detection Using Integration Model of Vector Space and Network Representation