anomaly-detection

Implementación oficial de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Recursos sobre detección fuera de distribución, robustez y generalización. El repositorio contiene una lista seleccionada de artículos, tutoriales, libros, videos, artículos y bibliotecas de código abierto, entre otros.

Una colección de métodos de detección de anomalías (basados en puntos/iid, grafos y series temporales) que incluye aprendizaje activo para la detección/descubrimiento de anomalías, minería de reglas bayesianas y descripción para diversidad/explicación/interpretabilidad. Análisis de incorporación de retroalimentación de etiquetas con detectores de conjunto y basados en árboles. Incluye ataques adversarios con Graph Convolutional Network.

Un robusto extractor de plantillas de logs basado en el algoritmo Drain

Implementación oficial de "Segment Any Anomaly without Training via Hybrid Prompt Regularization (SAA+)".

MOMENT: Una familia de modelos base de código abierto para series temporales, ICML'24.

Luminaire es un paquete de Python que ofrece soluciones basadas en ML para el monitoreo de datos de series temporales.

Detección de anomalías en grafos dinámicos (que evolucionan en el tiempo) en tiempo real y mediante streaming. Detección de intrusiones (ataques DoS y DDoS), fraudes y anomalías en calificaciones falsas.

Código para Hands-on Unsupervised Learning Using Python (O'Reilly Media)

[VLDB'22] Detección de anomalías mediante Transformers, auto-condicionamiento y entrenamiento adversario.

Recursos para trabajar con series temporales y datos de secuencia.

Módulo de Python para procesamiento de imágenes hiperespectrales

Un modelo unificado de series temporales multitarea.

OpenChatBI es una herramienta de BI inteligente basada en chat impulsada por modelos de lenguaje extensos, diseñada para ayudar a los usuarios a consultar, analizar y visualizar datos mediante conversaciones en lenguaje natural. Utiliza LangGraph y LangChain para crear agentes de chat y flujos de trabajo que admiten la conversión de lenguaje natural a SQL y el análisis de datos.

Real Intelligence Threat Analytics (RITA) es un framework para detectar comunicación de comando y control mediante el análisis de tráfico de red.

Repositorio del artículo "A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series".

Detección de anomalías en tiempo real para métricas de series temporales. 11 años de evolución en detección de anomalías en producción. Conjuntos multi-algoritmo. Reconocimiento de patrones mediante aprendizaje semisupervisado y no supervisado. Análisis de correlación. Aprende y mejora con el tiempo. No requiere GPU, puede ejecutarse en un VPS.

Detección de valores atípicos/anomalías basada en deep learning

Un estudio exhaustivo sobre los dominios de series temporales.

Este repositorio contiene una lista de lectura de artículos sobre segmentación de series temporales. El repositorio sigue en mejora continua.

🌲 Implementación del algoritmo Robust Random Cut Forest para la detección de anomalías en flujos de datos.

¡Detecciones oportunas para acciones más proactivas y efectivas en pozos petrolíferos marinos!

[CVPR 2025] Implementación oficial de "Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection". El primer modelo UAD multiclase que puede competir con los SOTA de clase única.

Un framework de análisis de comportamiento de usuarios y entidades (UEBA) robusto y flexible, utilizado para análisis de seguridad. Desarrollado con dedicación por científicos de datos y analistas de seguridad de la industria de la ciberseguridad. [BETA]