文章目录
0. 综述类
- DEEP LEARNING FOR ANOMALY DETECTION: A SURVEY: https://smileyan.cn/#/ad/survey_1
- 《异常检测——从经典算法到深度学习》: https://blog.csdn.net/smileyan9/article/details/106239187
1. KPI异常检测
1.1 经典模型
1.1.1 Donut: 基于VAE的周期性无监督KPI异常检测
1.1.1.1 论文解读
- AIOps探索:基于VAE模型的周期性KPI异常检测方法: https://www.cnblogs.com/bonelee/p/9848559.html
- Donut: 基于 VAE 的 Web 应用季节性 KPI 无监督异常检测: https://smileyan.cn/#/ad/donut
1.1.1.2 源码分析
- Donut 源码分析: https://smileyan.cn/#/ad/donut-code-analysis?id=donut-%e6%ba%90%e7%a0%81%e5%88%86%e6%9e%90
- 《异常检测——从经典算法到深度学习》8 Donut: 基于 VAE 的 Web 应用周期性 KPI 无监督异常检测: https://blog.csdn.net/smileyan9/article/details/112307506
1.12 MAD: 基于GANs的时间序列数据多元异常检测
https://smileyan.blog.csdn.net/article/details/118312582
1.2 行业落地
1.2.1 华为 iMaster NAIE
- 网络KPI异常检测之时序分解算法: https://www.cnblogs.com/huaweiyun/p/13093365.html
- 华为iMaster NAIE 异常检测服务:https://www.hwtelcloud.com/products/ads
1.2.2 美团Horae系统
- AIOps在美团的探索与实践——故障发现篇: https://tech.meituan.com/2020/10/15/mt-aiops-horae.html
附视频讲解地址:https://www.bilibili.com/video/BV1o64y1W7uj/?vd_source=87a3abdad251514e8efa36af41d3eba9
1.2.3 微软
- 论文链接:Time-Series Anomaly Detection Service at Microsoft:https://arxiv.org/pdf/1906.03821.pdf
- 论文解读:
(十三)Time-Series Anomaly Detection Service at Microsoft 微软时间序列异常检测服务:https://blog.csdn.net/WangZixuan1111/article/details/106141678/
KPI异常检测(一)——Time-Series Anomaly Detection Service at Microsoft:https://zhuanlan.zhihu.com/p/464943285 - Microsoft Azure实时数据异常检测:https://azure.microsoft.com/zh-cn/services/cognitive-services/anomaly-detector/#features
1.2.4 蚂蚁金服
- Lego蚂蚁智能监控中异常检测算法的探索与思考:https://www.bilibili.com/read/cv14172716
1.2.5 中兴
- 中兴无线智能运维系统借助AI人工智能实现无线网络KPI的异常检测:https://www.elecfans.com/d/1238893.html
2. 时间序列异常检测
- 时间序列异常检测(一)—— 算法综述: https://zhuanlan.zhihu.com/p/142320349
- 时间序列异常检测(二)—— 基于KDD99数据集的实战: https://zhuanlan.zhihu.com/p/150266277
- 时间序列异常检测(三)—— 告警策略与根因定位:https://zhuanlan.zhihu.com/p/363254791
- 时间序列异常检测(四)—— 根因定位落地实践:https://zhuanlan.zhihu.com/p/478819797
- 多维智能下钻分析–Adtributor算法研究:https://cloud.tencent.com/developer/article/1644348