Detección de anomalías en datos secuenciales mediante técnicas de machine learning

Lahoz Muñoz, Miguel
Medrano Marqués, Nicolás J. (dir.)

Universidad de Zaragoza, CIEN, 2020
Departamento de Ingeniería Electrónica y Comunicaciones,

Máster Universitario en Física y Tecnologías Físicas

Resumen: La detección de anomalías es un problema que surge desde distintos campos. Desde evitar el fraude en transacciones bancarias, pasando por la detección de ataques en línea, hasta la detección de nuevas partículas en los grandes aceleradores de partículas, los algoritmos de detección trabajan en un amplio espectro de casos, cada uno con sus características peculiares. Sin embargo, la gran mayoría de estos sistemas son estáticos: funcionan para las condiciones concretas para las que fueron diseñados, pero pocos son capaces de adaptar la condición de “normalidad” conforme se obtienen nuevos datos. En este trabajo se pretenden estudiar las alternativas de algoritmos de detección de anomalías, con el objetivo de construir un sistema que permita, sin entrenamiento o con apenas entrenamiento, detectar anomalías en un sistema nuevo, e ir adaptándose a los cambios que vayan surgiendo.

Tipo de Trabajo Académico: Trabajo Fin de Master