★ 3
arXiv 审计 UB-GOLD 图异常检测基准，发现测试标签泄漏
研究审计 UB-GOLD 与 14 个图级异常检测代码库，发现 UB-GOLD 共享训练循环用测试标签选检查点，14 个代码库中有 8 个存在同类问题。按测试 AUROC 选检查点平均虚增 5.12 个 AUROC 点，作者建议主结果应采用无测试标签的选择方式并公开逐次运行输出。
arXiv cs.LG13 天前
#异常检测
共 22 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
论文提出广义生物医学发现 GBD 基准
论文提出广义生物医学发现（GBD）任务及统一基准，覆盖长尾罕见病、异常检测与层级分类三种开放世界场景。作者提出受专家诊断启发的 SCAN 方法，通过预测抑制、惊讶显著性触发与互补适应来发现新概念，同时保留既有临床知识。该方法可插入现有架构，改善医学影像中已知与未知的权衡。
arXiv cs.LG31 天前
★ 2
TADR：面向边缘异常检测的任务感知扩散精修管线
论文指出「先插补再检测」管线存在插补偏差，会把部分异常平滑回正常。提出任务感知扩散精修器 TADR，针对冻结下游检测器的损失景观训练。在 SMD 数据集上 F1 提升 0.338，单 CPU 核每窗口 41.4 毫秒，可支撑约 24 路 1Hz 数据流。
arXiv cs.LG3 小时前
★ 2
arXiv 提出 LLMMAD：大模型自回归多模态微服务异常检测
针对微服务系统多模态异常检测中忽视模态特性与「身份捷径」两大问题，论文提出基于大语言模型的自回归框架 LLMMAD。它将多模态数据嵌入重组为统一序列交由 LLM 建模跨模态关系，并用模态专属重建头保留各自信息，同时以预测未来状态替代复制输入。三个真实数据集上 F1 分别提升 3.1%、1.4%、0…
arXiv cs.LG7 天前
★ 2
综述：时间序列异常检测的现状与统一展望
该综述系统梳理时间序列异常检测（TSAD）领域，涵盖扩散模型、状态空间模型与大语言模型等新兴架构，并建立精细的异常分类与范式体系。文章深入分析评估方法、开展指标可靠性实验，并发布开源基准仓库，同时提出动态阈值、可解释性、零样本迁移等开放挑战。
arXiv cs.LG10 天前
★ 2
论文提出 AnoMix 多教师评分蒸馏用于无监督时间序列异常检测
研究提出 AnoMix，从冻结教师检测器的训练集异常分数中提取弱成对监督，并用 CoRank 多教师排序蒸馏目标训练学生模型。在 7 个基准数据集上，AnoMix 将互补评分原则整合进单一轻量模型，参数量不足 8 万，优于单个检测器与静态分数集成。零样本变体显示蒸馏排序信号可迁移至未见数据集。
arXiv cs.LG11 天前
★ 2
WaferHDC 用超维计算实现在线开放世界晶圆缺陷发现
论文提出 WaferHDC，基于超维计算（HDC）的在线开放世界晶圆缺陷发现框架，可快速检测异常并把反复出现的失效归入紧凑超向量记忆，无需重训练静态分类器或存档全部原始晶圆历史。在工业标准数据集 WM-811K 上，调整兰德指数比最强在线基线高 13.3 个百分点。
arXiv cs.LG11 天前
★ 2
O-RAN 原生干扰检测在网络异构性下的研究
论文提出统计集成方法（SEM），结合自适应 MAD 基线检测、计数异常检测与突变检测，在 O-RAN 架构下实现无需专有硬件的干扰检测。基于八个异构 5G 环境约 25 小时测试数据，SEM 在分布偏移下比机器学习模型更稳健，并可映射为 Non-RT RIC 的 rApp。
arXiv cs.LG17 天前
★ 2
NV-Tesseract-AD：课程学习增强的扩散异常检测
论文提出 NV-Tesseract-AD，将课程学习引入条件扩散框架用于多变量时间序列异常检测，沿掩码强度与扩散噪声两个轴由易到难训练。相比无课程基线，F1 提升约 3.7 倍、MSE 降低 56%，零样本在 NAB 达 F1=0.984、NormA 达 0.948；DPM-Solver++ 可将…
arXiv cs.LG21 天前
★ 2
研究：联邦学习时序Transformer检测车载CAN异常
论文提出一种隐私保护的车载网络异常检测框架，基于时序Transformer CAN编码器与联邦轻量头。该框架通过轻量Transformer编码器学习信号时序演化，捕捉细微的时序与上下文异常，同时联邦学习机制让多车或多ECU协同改进共享模型而不交换原始CAN数据。实验在开源数据集上验证了性能、效率与…
arXiv cs.LG24 天前
★ 2
HydroSphere：可治理自愈的废水基础设施框架
论文提出 HydroSphere，一个面向实时水质监测、预测、处理优化与故障恢复的数据驱动框架。它结合 TCN-LSTM 预测、PPO 强化学习自适应加药和深度自编码器异常检测，基于 1940 至 2023 年间 282 万条水质数据评估，并强调分层治理与安全边界。
arXiv cs.LG25 天前
★ 2
福特汽车产线终端测试的无监督监测框架
论文提出一种面向高维时序数据的多变量监测框架，用于汽车制造终端测试中的异常检测。框架先做数据清洗与时序对齐，再通过非线性降维结合控制图进行异常检测，支持无监督与有监督两种模式。在福特真实产线数据上，准确率、召回率与 F1 均优于现有模型，召回率从 0.30 提升至 1.00。
arXiv cs.LG26 天前
★ 2
核锚定局部性正则缓解固定目标异常检测收敛崩塌
论文刻画了固定目标异常检测器的「收敛崩塌」：优化越好，检测越差，因为残差信号在异常样本上同样消失。作者指出有效异常检测需要局部性约束，提出核收缩匹配（KCM）与核锚定正则项（KAR），在 ADBench 上缓解崩塌并提升 AUROC。
arXiv cs.LG28 天前
★ 2
铁路系统异常检测深度学习综述
这篇 arXiv 综述系统梳理了深度学习在铁路异常检测中的应用，提出统一分类体系，涵盖异常位置、数据表征、传感模态与时间特性。文章将卷积、循环、注意力、自编码器、GAN、Transformer 等方法归入分类式、预测式、重构式与混合式四类范式，并讨论边缘-云部署、算力约束与硬件感知优化。最后给出面…
arXiv cs.LG31 天前
★ 2
STAR：微服务故障统一管理的自适应时空归一化框架
论文提出 STAR，一个面向大规模微服务系统事故管理的时空自适应表示学习框架。它通过时间自适应归一化（TAN）和空间自适应归一化（SAN）分别处理非平稳时序动态与异构服务依赖图，将归一化建模为可学习的上下文条件变换。在统一自监督框架下，STAR 端到端支持异常检测、故障分诊与根因定位三项任务，并在…
arXiv cs.LG34 天前
★ 2
无监督异常检测成败的子空间视角
论文基于子空间追寻假说，用名义分量诱导的 meet、union、join 几何刻画重建式无监督学习的两种失败模式：过度学习范围导致 join 盲区，容量不足导致 meet 偏好与名义保真度损失。作者提出 Dynamic Push and Pull 与嵌套流形雕刻方法，在标准基准和未见图像退化上改进…
arXiv cs.LG38 天前
★ 2
基于 AUC 上界的无异常样本自优化
论文提出将 AUC 上界作为可微、无需真实异常样本的目标函数，直接优化异常检测系统的连续参数，而非仅在有限候选集中选择配置。方法可优化集成权重并引入可学习分数重标定机制，在多个数据集与嵌入模型上显著优于传统模型选择与开发集参数选择。
arXiv cs.LG39 天前
★ 2
Signal2Symbol：可解释生理时序异常检测
论文提出 Signal2Symbol 神经符号框架，先用 VQ-VAE 码本或 SAX 将 ECG/EEG 转为符号序列，再通过稀有项集挖掘评分异常，并用 Allen 区间代数关联异常区间。框架引入基于形式概念分析的稀有时间概念格，将局部检测压缩为可解释的时序符号异常族。在 MIT-BIH、PTB…
arXiv cs.LG39 天前
★ 2
物联网系统中基于图神经网络的集群异常检测
论文提出无监督图集群异常检测框架 UGCAD，针对物联网网络流量中研究较少的集群异常。它利用变分图自编码器学习图表示以增强聚类，先聚合精炼正常簇，再应用异常分数检测集群异常。在 CICIoT2023 与 ToN-IoT 数据集上，UGCAD 在聚类与集群异常检测上均优于传统及 SOTA 方法。
arXiv cs.LG41 天前
★ 2
LLM 生成特征池用于时间序列异常检测
研究探索简单统计流程在单变量时间序列异常检测中的上限，发现候选特征池决定性能天花板，而选择策略影响有限。作者用多模态 LLM 结合领域内示例窗口生成特征池，与手工池互补，合并后达到排行榜最佳水平。
arXiv cs.AI42 天前
★ 2
跨模态重构实现机械多模态时序故障检测
研究提出基于异构时序传感器数据跨模态重构的多模态异常检测框架，通过从其他模态重构每个模态来学习系统动态，无需显式时间对齐或相同采样率。引入自适应测试时阈值机制应对分布漂移，在三个工业案例中展现出强故障检测性能与显著提升的分布外鲁棒性。
arXiv cs.LG47 天前
★ 2
LLM作为伪造大师：生成制造业合成时间序列
论文提出利用大语言模型生成制造业合成时间序列数据的框架，通过微调预训练LLM并结合RAG增强数据多样性与真实性。在异常检测等下游任务上，该方法优于ARIMA和LSTM等传统基线。
arXiv cs.LG47 天前