Git Stars Git Stars

#anomaly-detection Dépôts

76
Total des Dépôts
256,252
Nombre total d'étoiles
3,371
Moyenne d'Étoiles/Dépôt
51
logpai/Drain3

Un robuste mineur de modèles de journaux de flux basé sur l'algorithme Drain

logpai
⭐ 809 Python 👤 logpai Organization 🕐 Mis à jour 2025-02-04 📅 Créé 2020-02-26
52
tensorflow/data-validation

Bibliothèque pour explorer et valider les données d'apprentissage automatique

tensorflow
⭐ 786 Python 👤 tensorflow Organization 🕐 Mis à jour 2026-08-14 📅 Créé 2018-07-02
53
hildensia/bayesian_changepoint_detection

Méthodes pour obtenir la probabilité d'un point de rupture dans une série chronologique.

hildensia
⭐ 782 Python 👤 hildensia User 🕐 Mis à jour 2026-11-06 📅 Créé 2014-04-11
54
Stream-AD/MIDAS

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.

Stream-AD
⭐ 779 C++ 👤 Stream-AD Organization 🕐 Mis à jour 2024-01-10 📅 Créé 2019-10-23
55
aapatel09/handson-unsupervised-learning

Code pour l'Apprentissage Non Supervisé Pratique avec Python (O'Reilly Media)

aapatel09
⭐ 703 Jupyter Notebook 👤 aapatel09 User 🕐 Mis à jour 2026-03-01 📅 Créé 2018-09-04
56
lmmentel/awesome-time-series

Ressources pour travailler avec des données de séries chronologiques et séquentielles

lmmentel
⭐ 697 👤 lmmentel User 🕐 Mis à jour 2025-07-26 📅 Créé 2021-10-26
57
spectralpython/spectral

Module Python pour le traitement d'images hyperspectrales

spectralpython
⭐ 689 Python 👤 spectralpython Organization 🕐 Mis à jour 2026-11-15 📅 Créé 2014-02-06
58
activecm/rita

Real Intelligence Threat Analytics (RITA) est un cadre de détection de la communication de commande et contrôle via l'analyse du trafic réseau.

activecm
⭐ 678 Go 👤 activecm Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2024-06-27
59
zhongyu09/openchatbi

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.

zhongyu09
⭐ 677 Python 👤 zhongyu09 User 🕐 Mis à jour 2026-11-03 📅 Créé 2025-09-09
60
imperial-qore/TranAD

[VLDB'22] Détection d'anomalies utilisant des Transformers, l'auto-conditionnement et l'entraînement contradictoire.

imperial-qore
⭐ 651 Python 👤 imperial-qore Organization 🕐 Mis à jour 2024-07-25 📅 Créé 2021-03-01
61
DAMO-DI-ML/NeurIPS2023-One-Fits-All

Le code officiel pour "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"

DAMO-DI-ML
⭐ 630 Python 👤 DAMO-DI-ML Organization 🕐 Mis à jour 2024-01-08 📅 Créé 2023-09-22
62
mims-harvard/UniTS

Un modèle unifié multi-tâches pour séries temporelles.

mims-harvard
⭐ 601 Python 👤 mims-harvard Organization 🕐 Mis à jour 2024-09-26 📅 Créé 2024-02-16
63
KDD-OpenSource/DeepADoTS

Dépôt de l'article « A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series ».

KDD-OpenSource
⭐ 601 Python 👤 KDD-OpenSource Organization 🕐 Mis à jour 2026-04-13 📅 Créé 2018-04-20
64
earthgecko/skyline

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.

earthgecko
⭐ 595 Python 👤 earthgecko User 🕐 Mis à jour 2026-10-23 📅 Créé 2014-06-04
65
xuhongzuo/DeepOD

Détection d'anomalies/valeurs aberrantes basée sur l'apprentissage profond

xuhongzuo
⭐ 576 Python 👤 xuhongzuo User 🕐 Mis à jour 2025-07-24 📅 Créé 2022-10-28
66
qq4108863/hihttps

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.

qq4108863
⭐ 575 C 👤 qq4108863 User 🕐 Mis à jour 2025-06-06 📅 Créé 2019-08-31
67
PacktPublishing/Hands-On-Machine-Learning-with-CPP

Apprentissage automatique pratique avec C++, publié par Packt

PacktPublishing
⭐ 553 C++ 👤 PacktPublishing Organization 🕐 Mis à jour 2026-03-02 📅 Créé 2020-05-07
68
guojiajeremy/Dinomaly

[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

guojiajeremy
⭐ 552 Python 👤 guojiajeremy User 🕐 Mis à jour 2026-09-17 📅 Créé 2024-05-28
69
lzz19980125/awesome-time-series-segmentation-papers

Ce dépôt contient une liste de lecture d'articles sur la segmentation des séries temporelles. Ce dépôt est encore en cours d'amélioration continue.

lzz19980125
⭐ 549 MATLAB 👤 lzz19980125 User 🕐 Mis à jour 2026-10-07 📅 Créé 2024-01-27
70
struppigel/PortEx

Bibliothèque Java pour analyser les fichiers Portable Executable avec un accent particulier sur l'analyse des malwares et la robustesse aux malformations PE

struppigel
⭐ 546 Java 👤 struppigel User 🕐 Mis à jour 2026-10-21 📅 Créé 2013-09-27
71
cure-lab/Awesome-time-series

Une enquête complète sur les domaines des séries chronologiques

cure-lab
⭐ 545 👤 cure-lab Organization 🕐 Mis à jour 2024-03-22 📅 Créé 2022-03-18
72
petrobras/3W

Des détections en temps utile pour des actions plus proactives et efficaces dans les puits de pétrole offshore !

petrobras
⭐ 543 Jupyter Notebook 👤 petrobras Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2022-04-06
73
GACWR/OpenUBA

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]

GACWR
⭐ 528 Python 👤 GACWR Organization 🕐 Mis à jour 2026-10-17 📅 Créé 2019-09-24
74
Desbordante/desbordante-core

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.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2020-04-09
75
kLabUM/rrcf

🌲 Implémentation de l'algorithme Robust Random Cut Forest pour la détection d'anomalies sur les flux

kLabUM
⭐ 519 Python 👤 kLabUM Organization 🕐 Mis à jour 2024-02-24 📅 Créé 2018-10-20