安恒信息两篇核心AI异常检测论文入选IEEE DSC国际会议

6月18日-21日，“第三届IEEE网络空间数据科学国际会议”在广州召开。业界代表及专家齐聚一堂，并就网络空间数据科学的科研和前沿发展方向进行交流。而安恒信息的《一种基于淘汰稀疏噪点的时间序列异常点检测方法》与《异常检测的范畴再加权特征提取方法》与两篇论文，也入选IEEE DSC国际会议。

此次大会，由IEEE（国际电气和电子工程师协会）、IEEE可扩展计算技术委员会、IEEE计算机协会、中国工程院、中国中文信息学会主办，广州大学、北京大学和国防科技大学承办。

大会共设深度学习及应用、社交网络及其安全、网络空间安全、表示学习、网络智能、数据安全、流量控制及城市计算、网络数据处理新技术与机遇等主题分会。同时下设大数据挖掘、数据智能和安全分析、多元数据融合和分析、脆弱性分析和对抗学习、智能系统安全、大数据和商务分析、数据可视化等7个专题研讨会。

当下，随着人工智能、大数据、云计算等新技术的飞速发展，以新一代信息技术应用创新为特点的教育信息化2.0时代已经开启。与此同时，以防御为核心的解决方案难以应对高级的安全威胁，网络安全问题已经变成了一个大数据智能挖掘，分析和建模的问题。

安恒信息首席科学家刘博发表演讲

安恒信息首席科学家刘博受邀参与了此次会议，并就“利用大数据技术构造高级威胁检测和响应系统”这一论题发表了演讲。

“当下的网络安全发展，正从原本的传统安全威胁演变至如今的高级威胁，即由原本的以破坏为目的、频率一次性、破坏单个服务演变至如今的获取敏感数据、长期持续潜伏攻击并针对机构区域和国家。”安恒信息首席科学家刘博表示，在此背景下，安恒信息研发了AiLPHA大数据智能安全分析平台，从事前检测、事中防护、事后审计等各个环节着手，造就了海陆空一体的安全防御能力。

安恒信息广州分公司总经理郭金全与获奖选手合影

20日晚，安恒信息广州分公司总经理郭金全也在颁奖仪式中为优秀论文获奖作品颁奖，并对获奖学生表示了诚挚的祝贺。

附：入选论文概述

《一种基于淘汰稀疏噪点的时间序列异常点检测方法》

（《A Robust Change-point Detection Method by Eliminating Sparse Noises from Time Series》）

突变点检测属于数据挖掘的范畴，其旨在从海量的数据当中定位序列的某些特性发生变化的时间点（位置）。这些突变的时间点具有发生频率低、模式或统计特性较之前状态有显著差异等特点，往往包含着重要的信息。

在现实生活当中，观测到的数据往往包含有噪声，其中大幅值的加性噪声最为常见。这些噪声会极大影响时间序列的一些性质，故对突变点检测也会产生较大干扰。针对于这些大幅值噪声以稀疏的状态分布于时间序列当中的情况，RPCA-SST首先将时间片段中的样本点使用矩阵结构存放，其次使用RPCA（Robust Principle Component Analysis）对矩阵进行重构，以期将稀疏大噪声剔除。接着，对重构后的矩阵进行特征提取，获得该时间片段对应的特征子空间。在此方法当中，时间片段之间的差异性通过片段对应的子空间之间的距离进行衡量。

《异常检测的范畴再加权特征提取方法》

（《A Categorically Reweighted Feature Extraction Method for AnomalyDetection》）

异常检测在很多计算机安全领域都是重要的研究话题。在实践中，正常和异常样本的可靠性通常是不同的。本文提出了在异常检测中使用这种范畴可靠性差异进行特征提取的方法。该方法使用范畴再加权参数来利用范畴可靠性差异，这类再加权参数可以在正常和异常类之间调节决策超平面。