كشف التسلسلات غير الطبيعية القائمة على التصنيف للبيانات العامة

كشف الشذوذ، أي اكتشاف الأنماط التي تختلف بشكل كبير عن الأنماط التي شُهِدت سابقًا، يُعدّ أحد المشكلات الأساسية في الذكاء الاصطناعي. في الآونة الأخيرة، أظهرت الأساليب القائمة على التصنيف نتائج متفوقة في هذا المجال. في هذا العمل، نقدّم رؤية موحّدة ونُقدّم طريقة مفتوحة المجموعة، تُسمّى GOAD، لتخفيف الافتراضات الحالية المتعلقة بالتعميم. علاوةً على ذلك، نوسع نطاق تطبيق الأساليب القائمة على التحويلات إلى البيانات غير الصورية باستخدام تحويلات تآلفية عشوائية. تُظهر النتائج فعالية الطريقة المُقدّمة، حيث تحقق دقةً منافسة للحالة الراهنة، وتنطبق على أنواع واسعة من البيانات. وقد تم التحقق من الأداء القوي لهذه الطريقة بشكل واسع عبر مجموعة متنوعة من مجموعات البيانات من مجالات مختلفة.