Detección de anomalías & Análisis en tiempo real

En un mundo cada vez más conectado, gracias a paradigmas como Internet de las Cosas (IoT), Big Data y eHealth, se generan cada vez más datos. En este contexto, encontramos instancias (anomalías) que no siguen el comportamiento o los patrones esperados. La detección de anomalías es la disciplina que consiste en identificar estos patrones raros o inusuales en los datos. Es fundamental en muchas aplicaciones recientes como la sanidad, la vigilancia de redes, la monitorización de sensores IoT y la industria.

Principales líneas de investigación actuales del DaSCI:

• Interpretabilidad y explicabilidad. Una de las demandas más destacadas de las empresas es la capacidad de comprensión del modelo que actúa como detector de anomalías. Esta meta implica dos objetivos complementarios: En primer lugar, mejorar la interpretabilidad del modelo; y en segundo lugar, proporcionar una visión del funcionamiento del modelo, haciéndolo explicable.
• Aprendizaje profundo (DL) para anomalías complejas. Deep Learning es una potente herramienta para la detección de anomalías, aplicada en dos escenarios: datos estáticos (mediante autoencoders) y series temporales (mediante redes neuronales convolucionales y recurrentes). Las GAN también han ganado popularidad en la detección de anomalías debido a su eficacia con datos etiquetados limitados.
• Mitigación de falsos positivos. Esta tarea tiene como objetivo reducir el número de falsos positivos etiquetados por el detector de anomalías.
• Escenarios de Big Data y fusión de modelos en entornos distribuidos. Con la explosión de datos, la popularización de los sensores y la automatización en la adquisición y almacenamiento de datos, el problema de la detección de anomalías se ha convertido en un problema de Big Data, donde la fusión de información/modelos tendrá un fuerte impacto en la calidad del sistema final.

Investigadores relacionados:

Letra:
	Nombre	Email	Área	Cat.
	Espinilla Estévez, Macarena	mestevez@ujaBfhLNLtHhen.es		–
	García Gil, Diego Jesús	djgarcia@decsai.ugrnCLOdtP0RhY.es		–
	García López, Salvador	salvaglQP@WqkSi@decsai.ugr.es		–
	Segovia Román, Fermín	fsegovia@uOJYQ.kggr.es		–
	Ventura Soto, Sebastián	sventura@uegKnea2co.es		–