anomaly-detection

NeurIPS 2022 के "ADBench: Anomaly Detection Benchmark" का आधिकारिक कार्यान्वयन

आउट-ऑफ-डिस्ट्रिब्यूशन डिटेक्शन, रोबस्टनेस और जनरलाइजेशन संसाधन। इस रिपॉजिटरी में शोध पत्रों, ट्यूटोरियल, पुस्तकों, वीडियो, लेखों और ओपन-सोर्स लाइब्रेरी आदि की एक क्यूरेटेड सूची शामिल है।

असंगति पहचान (anomaly detection) विधियों का संग्रह (iid/पॉइंट-आधारित, ग्राफ और टाइम सीरीज), जिसमें सक्रिय शिक्षण, बेयसियन नियम-खनन, और विविधता/व्याख्या/व्याख्यात्मकता के लिए विवरण शामिल हैं। एन्सेम्बल और ट्री-आधारित डिटेक्टरों के साथ लेबल फीडबैक को शामिल करने का विश्लेषण। इसमें ग्राफ कन्वेन्शनल नेटवर्क के साथ एडवरसैरियल हमले भी शामिल हैं।

Drain एल्गोरिदम पर आधारित एक मजबूत स्ट्रीमिंग लॉग टेम्प्लेट माइनर

हाइब्रिड प्रॉम्प्ट रेगुलराइजेशन (SAA+) के माध्यम से बिना ट्रेनिंग के "Segment Any Anomaly" का आधिकारिक कार्यान्वयन।

MOMENT: ओपन टाइम-सीरीज फाउंडेशन मॉडल्स का एक परिवार, ICML'24

Luminaire एक Python पैकेज है जो टाइम सीरीज़ डेटा की निगरानी के लिए ML-संचालित समाधान प्रदान करता है।

डायनामिक (समय के साथ बदलने वाले) ग्राफ पर रियल-टाइम और स्ट्रीमिंग तरीके से विसंगति का पता लगाना। घुसपैठ (DoS और DDoS हमले), धोखाधड़ी, और फर्जी रेटिंग विसंगतियों का पता लगाना।

Python का उपयोग करके हैंड्स-ऑन अनसुपरवाइज्ड लर्निंग के लिए कोड (O'Reilly Media)।

[VLDB'22] Transformers, सेल्फ-कंडीशनिंग और एडवरसियल ट्रेनिंग का उपयोग करके एनोमली डिटेक्शन।

टाइम सीरीज़ और सीक्वेंस डेटा के साथ काम करने के लिए संसाधन।

हाइपरस्पेक्ट्रल इमेज प्रोसेसिंग के लिए Python मॉड्यूल।

एक एकीकृत मल्टी-टास्क टाइम सीरीज़ मॉडल

OpenChatBI एक इंटेलिजेंट चैट-आधारित BI टूल है जो लार्ज लैंग्वेज मॉडल द्वारा संचालित है, जिसे उपयोगकर्ताओं को प्राकृतिक भाषा वार्तालाप के माध्यम से डेटा क्वेरी, विश्लेषण और विज़ुअलाइज़ करने में मदद करने के लिए डिज़ाइन किया गया है। यह चैट एजेंट और वर्कफ़्लो बनाने के लिए LangGraph और LangChain का उपयोग करता है जो प्राकृतिक भाषा से SQL रूपांतरण और डेटा विश्लेषण का समर्थन करते हैं।

Real Intelligence Threat Analytics (RITA) नेटवर्क ट्रैफ़िक विश्लेषण के माध्यम से कमांड और कंट्रोल संचार का पता लगाने के लिए एक फ्रेमवर्क है।

"A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series" पेपर का रिपॉजिटरी।

टाइम सीरीज मेट्रिक्स के लिए रीयल-टाइम विसंगति पहचान। 11 वर्षों का प्रोडक्शन अनुभव, मल्टी-एल्गोरिदम एन्सेम्बल, सेमी-सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग का उपयोग, और कोरिलेशन एनालिसिस। समय के साथ बेहतर होता है। GPU की आवश्यकता नहीं, VPS पर चल सकता है।

डीप लर्निंग-आधारित आउटलायर/एनोमली डिटेक्शन।

टाइम सीरीज़ डोमेन पर एक व्यापक सर्वेक्षण

यह रिपॉजिटरी टाइम सीरीज़ सेगमेंटेशन पर शोध पत्रों की एक रीडिंग लिस्ट है। इसमें लगातार सुधार किया जा रहा है।

स्ट्रीम पर विसंगति का पता लगाने के लिए Robust Random Cut Forest एल्गोरिदम का कार्यान्वयन

ऑफशोर ऑयल वेल्स में अधिक सक्रिय और प्रभावी कार्यों के लिए समय पर डिटेक्शन!

[CVPR 2025] "Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection" का आधिकारिक कार्यान्वयन। पहला मल्टी-क्लास UAD मॉडल जो सिंगल-क्लास SOTA के साथ प्रतिस्पर्धा कर सकता है

सुरक्षा एनालिटिक्स के लिए उपयोग किया जाने वाला एक मजबूत और लचीला ओपन सोर्स यूजर और एंटिटी बिहेवियर एनालिटिक्स (UEBA) फ्रेमवर्क। साइबर सुरक्षा उद्योग के डेटा वैज्ञानिकों और सुरक्षा विश्लेषकों द्वारा विकसित। [BETA]