Anomalies are patterns in data that

Anomalies are patterns in data that do not conform to a well defined notion of normal
behavior. The problem of finding these patterns is referred to as anomaly detection.
The importance of anomaly detection is due to the fact that anomalies in data translate
to significant and actionable information in a wide variety of application domains (1).
For example, an anomalous traffic pattern in a computer network could mean that a
hacked computer is sending out sensitive data to an unauthorized destination (2). An
anomalous MRI image may indicate the presence of malignant tumors (3) or anomalies
in credit card transaction data could indicate credit card or identity theft (4) . Detecting
anomalies has been studied by several research communities to address issues in different application domains (1).
Anomalies are patterns in data that do not conform to a well defined notion of normal
behavior. The problem of finding these patterns is referred to as anomaly detection.
The importance of anomaly detection is due to the fact that anomalies in data translate
to significant and actionable information in a wide variety of application domains (1).
For example, an anomalous traffic pattern in a computer network could mean that a
hacked computer is sending out sensitive data to an unauthorized destination (2). An
anomalous MRI image may indicate the presence of malignant tumors (3) or anomalies
in credit card transaction data could indicate credit card or identity theft (4) . Detecting
anomalies has been studied by several research communities to address issues in different
application domains (1).

Kết quả (Việt) 1:

Dị thường là các mô hình trong dữ liệu không phù hợp với một khái niệm cũng được định nghĩa của bình thườnghành vi. Vấn đề của việc tìm kiếm những mô hình được gọi là phát hiện bất thường.Tầm quan trọng của phát hiện bất thường là do thực tế là bất thường trong dữ liệu dịchthông tin quan trọng và hữu dụng trong một loạt các lĩnh vực ứng dụng (1).Ví dụ, một mô hình lưu lượng truy cập bất thường trong một mạng máy tính có thể có nghĩa là có mộtmáy tính bị tấn công gửi ra các dữ liệu nhạy cảm để một điểm đến không được phép (2). Mộtbất thường hình ảnh MRI có thể cho thấy sự hiện diện của khối u ác tính (3) hoặc bất thườngtrong giao dịch thẻ tín dụng dữ liệu có thể chỉ ra thẻ tín dụng hoặc đánh cắp nhận dạng (4). Phát hiệnbất thường đã được nghiên cứu bởi một số các cộng đồng nghiên cứu đến địa chỉ các vấn đề trong lĩnh vực ứng dụng khác nhau (1).Dị thường là các mô hình trong dữ liệu không phù hợp với một khái niệm cũng được định nghĩa của bình thườnghành vi. Vấn đề của việc tìm kiếm những mô hình được gọi là phát hiện bất thường.Tầm quan trọng của phát hiện bất thường là do thực tế là bất thường trong dữ liệu dịchthông tin quan trọng và hữu dụng trong một loạt các lĩnh vực ứng dụng (1).Ví dụ, một mô hình lưu lượng truy cập bất thường trong một mạng máy tính có thể có nghĩa là có mộtmáy tính bị tấn công gửi ra các dữ liệu nhạy cảm để một điểm đến không được phép (2). Mộtbất thường hình ảnh MRI có thể cho thấy sự hiện diện của khối u ác tính (3) hoặc bất thườngtrong giao dịch thẻ tín dụng dữ liệu có thể chỉ ra thẻ tín dụng hoặc đánh cắp nhận dạng (4). Phát hiệnbất thường đã được nghiên cứu bởi một số các cộng đồng nghiên cứu đến địa chỉ các vấn đề trong khác nhauứng dụng các tên miền (1).

Kết quả (Việt) 2:

Dị thường được các mẫu trong dữ liệu mà không phù hợp với một khái niệm được xác định rõ bình thường
hành vi. Các vấn đề của việc tìm kiếm các mô hình được gọi là phát hiện bất thường.
Tầm quan trọng của phát hiện bất thường là do thực tế là bất thường trong dữ liệu dịch
để thông tin quan trọng và hành động trong một loạt các lĩnh vực ứng dụng (1).
Ví dụ, một lưu lượng truy cập bất thường mô hình trong một mạng máy tính có thể có nghĩa là một
máy tính bị hack được gửi đi dữ liệu nhạy cảm đến một địa điểm không được phép (2). Một
hình ảnh MRI bất thường có thể chỉ ra sự hiện diện của các khối u ác tính (3) hoặc bất thường
trong dữ liệu giao dịch thẻ tín dụng có thể chỉ ra thẻ tín dụng hoặc trộm cắp danh tính (4). Phát hiện
bất thường đã được nghiên cứu bởi một số cộng đồng nghiên cứu để giải quyết các vấn đề trong lĩnh vực ứng dụng khác nhau (1).
Dị thường là các mẫu trong dữ liệu mà không phù hợp với một khái niệm được xác định rõ bình thường
hành vi. Các vấn đề của việc tìm kiếm các mô hình được gọi là phát hiện bất thường.
Tầm quan trọng của phát hiện bất thường là do thực tế là bất thường trong dữ liệu dịch
để thông tin quan trọng và hành động trong một loạt các lĩnh vực ứng dụng (1).
Ví dụ, một lưu lượng truy cập bất thường mô hình trong một mạng máy tính có thể có nghĩa là một
máy tính bị hack được gửi đi dữ liệu nhạy cảm đến một địa điểm không được phép (2). Một
hình ảnh MRI bất thường có thể chỉ ra sự hiện diện của các khối u ác tính (3) hoặc bất thường
trong dữ liệu giao dịch thẻ tín dụng có thể chỉ ra thẻ tín dụng hoặc trộm cắp danh tính (4). Phát hiện
bất thường đã được nghiên cứu bởi một số cộng đồng nghiên cứu để giải quyết các vấn đề khác nhau trong
lĩnh vực ứng dụng (1).