anomaly-detection

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

Recursos de detecção fora de distribuição (OOD), robustez e generalização. O repositório contém uma lista com curadoria de artigos, tutoriais, livros, vídeos, artigos e bibliotecas de código aberto, etc.

Uma coleção de métodos de detecção de anomalias (baseados em iid/ponto, grafos e séries temporais), incluindo aprendizado ativo para detecção/descoberta de anomalias, mineração de regras bayesianas, descrição para diversidade/explicação/interpretabilidade. Análise de incorporação de feedback de rótulos com detectores baseados em ensembles e árvores. Inclui ataques adversariais com Graph Convolutional Network.

Um minerador robusto de templates de log em streaming baseado no algoritmo Drain

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

MOMENT: Uma família de modelos base abertos para séries temporais, ICML'24

Luminaire é um pacote Python que fornece soluções baseadas em ML para monitoramento de dados de séries temporais.

Detecção de anomalias em grafos dinâmicos (que evoluem no tempo) em tempo real e de forma contínua. Detecta intrusões (ataques DoS e DDoS), fraudes e anomalias de avaliações falsas.

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

[VLDB'22] Detecção de Anomalias usando Transformers, auto-condicionamento e treinamento adversarial.

Recursos para trabalhar com séries temporais e dados de sequências

Módulo Python para processamento de imagens hiperespectrais

Um modelo unificado de séries temporais multitarefa.

O OpenChatBI é uma ferramenta de BI inteligente baseada em chat alimentada por grandes modelos de linguagem, projetada para ajudar os usuários a consultar, analisar e visualizar dados por meio de conversas em linguagem natural. Ele usa LangGraph e LangChain para construir agentes de chat e fluxos de trabalho que suportam conversão de linguagem natural para SQL e análise de dados.

Real Intelligence Threat Analytics (RITA) é um framework para detectar comunicação de comando e controle através da análise de tráfego de rede.

Repositório do artigo "A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series".

Detecção de anomalias em tempo real para métricas de séries temporais. 11 anos de evolução em detecção de anomalias em produção. Conjuntos multi-algoritmo. Reconhecimento de padrões usando aprendizado semissupervisionado e não supervisionado. Análise de correlação. Aprende e melhora com o tempo. Não requer GPU, pode rodar em uma VPS.

Detecção de outliers e anomalias baseada em deep learning

Um levantamento abrangente sobre domínios de séries temporais

Este repositório contém uma lista de leitura de artigos sobre Segmentação de Séries Temporais. Este repositório continua sendo aprimorado continuamente.

🌲 Implementação do algoritmo Robust Random Cut Forest para detecção de anomalias em streams

Detecções oportunas para ações mais proativas e eficazes em poços de petróleo offshore!

[CVPR 2025] Implementação oficial de "Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection". O primeiro modelo UAD multi-classe capaz de competir com os SOTAs de classe única.

A robust, and flexible open source User & Entity Behavior Analytics (UEBA) framework used for Security Analytics. Developed with luv by Data Scientists & Security Analysts from the Cyber Security Industry. [BETA]