DETECTING ANOMALOUS NETWORK ACTIVITY

• Main Authors: SANNA PASSINO, Francesco, BERTIGER, Anna Swanson, NEIL, Joshua
• Format: Patent
• Language: English; French
• Published: 24.06.2021
• Subjects: CALCULATING; COMPUTING; COUNTING; ELECTRIC COMMUNICATION TECHNIQUE; ELECTRIC DIGITAL DATA PROCESSING; ELECTRICITY; PHYSICS; TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHICCOMMUNICATION; WIRELESS COMMUNICATIONS NETWORKS

Disclosed are systems and methods for temporal link prediction based on (generalized) random dot product graphs (RDPGs), as well as applications of such temporal link prediction to network anomaly detection. In various embodiments, starting from a time series of adjacency matrices characterizing the evolution of the network, spectral embeddings and time-series models are used to predict estimated link probabilities for a future point in time, and the predicted link probabilities are compared against observed links to identify anomalous behavior. In some embodiments, element-wise independent models are used in the prediction to take network dynamics into account at the granularity of individual nodes or edges. L'invention concerne des systèmes et des procédés de prédiction de liaisons temporelles basés sur des graphes (généralisés) de produit scalaire aléatoire (RDPG), ainsi que des applications d'une telle prédiction de liaisons temporelles à la détection d'anomalies de réseau. Dans divers modes de réalisation, en partant d'une série chronologique de matrices d'adjacence caractérisant l'évolution du réseau, des encastrements spectraux et des modèles de série chronologique sont utilisés pour prédire des probabilités de liaisons estimées pour un instant futur, et les probabilités de liaisons prédites sont comparées à des liaisons observées pour identifier un comportement anormal. Dans certains modes de réalisation, des modèles indépendants élément par élément sont utilisés dans la prédiction pour tenir compte de la dynamique de réseau à la granularité de nœuds ou d'arcs individuels.