Análise espectral para detecção de anomalias em redes dinâmicas com atributos

Resumo

Estratégias de detecção de anomalias em dados possuem diversas aplicações, como detecção de intrusão em redes de computadores ou detecção de fraudes em transações financeiras. Em particular, quando os dados são representáveis por meio de grafos, podem-se utilizar métricas e métodos baseados em teoria de grafos e que sejam conhecidos pela qualidade das soluções obtidas. No caso de grafos estáticos, o problema de detecção de anomalias foi amplamente estudado e diversos algoritmos foram propostos. No entanto, existem poucos trabalhos voltados para a detecção de anomalias em redes dinâmicas com atributos. Enquanto a maioria das estratégias considera atualizações de nós e arestas, nenhuma dessas estratégias considera o histórico dessas alterações durante a detecção das anomalias. Além disso, poucas estratégias são escaláveis para lidar com Big Data. Nesse caso, estratégias de detecção de anomalias que utilizam algoritmos de agrupamento são apontadas como uma boa opção, pois permitem analisar grupos de vértices em vez de vértices individuais, e, portanto, possuem um custo computacional menor. Assim, este projeto visa investigar os métodos não supervisionados existentes para detecção de anomalias em redes dinâmicas com atributos. Como principal contribuição, uma estratégia escalável de detecção de anomalias em redes dinâmicas com atributos será proposta. Essa estratégia utilizará um algoritmo de agrupamento e operadores espectrais que também serão desenvolvidos no projeto. A estratégia desenvolvida será submetida a testes para atestar sua eficiência e comparar os resultados obtidos com os resultados das melhores estratégias da literatura. (AU)