Détection d'anomalies online basée sur les points de ruptures

Abstract

L'objectif de la détection des anomalies est d'identifier les observations générées par une distribution qui diffère de la distribution de référence qui qualifie le comportement normal. Lors de l'examen d'une série temporelle, la distribution de référence peut évoluer dans le temps. Le détecteur d'anomalies doit donc être capable de s'adapter à ces changements. Dans le contexte online, il est particulièrement difficile de s'adapter à des changements brusques et imprévisibles. Notre solution à ce problème est basée sur la détection de points de rupture afin de s'adapter en temps réel au nouveau comportement de référence de la série et d'augmenter la précision de la détection d'anomalies. Cette solution permet également de contrôler le taux de faux positifs (FDR) en étendant les méthodes développées pour les séries stationnaires.