#anomaly-detection Dépôts
76 dépôts au total
Bibliothèque pour explorer et valider les données d'apprentissage automatique
Méthodes pour obtenir la probabilité d'un point de rupture dans une série chronologique.
Détection d'Anomalies sur des Graphes Dynamiques (évoluant dans le temps) en Temps Réel et en Mode Streaming. Détection d'Intrusions (Attaques DoS et DDoS), Fraudes, Anomalies de Notes Falsifiées.
Code pour l'Apprentissage Non Supervisé Pratique avec Python (O'Reilly Media)
Ressources pour travailler avec des données de séries chronologiques et séquentielles
Real Intelligence Threat Analytics (RITA) est un cadre de détection de la communication de commande et contrôle via l'analyse du trafic réseau.
OpenChatBI est un outil BI intelligent basé sur la discussion, alimenté par de grands modèles linguistiques, conçu pour aider les utilisateurs à interroger, analyser et visualiser des données via des conversations en langage naturel. Il utilise LangGraph et LangChain pour construire un agent de discussion et des flux de travail qui prennent en charge la conversion du langage naturel en SQL et l'analyse des données.
[VLDB'22] Détection d'anomalies utilisant des Transformers, l'auto-conditionnement et l'entraînement contradictoire.
Le code officiel pour "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Dépôt de l'article « A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series ».
Détection d'anomalies en temps réel pour les métriques de séries temporelles. 11 ans d'évolution de la détection d'anomalies en production. Ensembles multi-algorithmes. Reconnaissance de motifs par apprentissage semi-supervisé et non supervisé. Analyse de corrélation. Apprend et s'améliore avec le temps. Aucun GPU requis, peut fonctionner sur un VPS.
hihttps est un pare-feu d'applications web haute performance avec code source complet, qui prend en charge toutes les fonctions d'un WAF traditionnel telles que l'injection SQL, XSS, l'analyse de vulnérabilités malveillantes, le craquage par force brute des mots de passe, CC, DDoS, etc., y compris les règles d'expressions régulières ModSecurity, et également l'apprentissage automatique non supervisé pour contrer de manière autonome les attaques inconnues.
Apprentissage automatique pratique avec C++, publié par Packt
[CVPR 2025] Implémentation officielle de "Dinomaly : La philosophie du moins c'est plus dans la détection d'anomalies non supervisée multi-classes". Le premier modèle UAD multi-classes capable de rivaliser avec les SOTA mono-classe
Ce dépôt contient une liste de lecture d'articles sur la segmentation des séries temporelles. Ce dépôt est encore en cours d'amélioration continue.
Bibliothèque Java pour analyser les fichiers Portable Executable avec un accent particulier sur l'analyse des malwares et la robustesse aux malformations PE
Des détections en temps utile pour des actions plus proactives et efficaces dans les puits de pétrole offshore !
Un framework open source robuste et flexible d'analyse du comportement des utilisateurs et des entités (UEBA) utilisé pour l'analyse de sécurité. Développé avec amour par des data scientists et des analystes de sécurité de l'industrie de la cybersécurité. [BÊTA]
Desbordante est un profileur de données hautes performances capable de découvrir de nombreux motifs différents dans les données à l’aide de divers algorithmes. Il permet également d’exécuter des scénarios de nettoyage des données à l’aide de ces algorithmes. Desbordante propose une version console et une application web facile à utiliser.
🌲 Implémentation de l'algorithme Robust Random Cut Forest pour la détection d'anomalies sur les flux