Конформное обнаружение аномалий на основе метода ближайших соседей для одномерных потоков данных

Обнаружение аномалий во временных рядах является важной прикладной задачей. Аномалии предоставляют существенную и зачастую действенную информацию во многих областях. Примерами могут послужить такие области, как здравоохрание, безопасность полётов, обнаружение вторжений и финансы. В данной работе рассматривается описание и построение непараметрического конформного метода обнаружения аномалий в одномерных временных рядах. Предложенный метод адаптируется к нестационарности в рассматриваемом потоке данных и обеспечивает вероятностную характеристику аномальности, основываясь на парадигме конформного предсказания. Также в данной работе предложена модификация метода, основанная на прореживании сигнала, которая позволяет существенно улучшить качество обнаружения аномалий предложенного метода. Простота данного метода позволяет использовать его в режиме реального времени. Тестирование предложенного метода обнаружения аномалий проводилось на датасетах Numenta Anomaly Detection benchmark и Yahoo! S5 dataset, которые содержат как реальные, так и искусственно полученные временные ряды. Несмотря на относительную простоту, данный метод показывает результаты, сравнимые с результами, которые показывают гораздо более сложные предсказательные модели.