Change Point Detection in Network Traffic Time Series

Bc. Pavol Zaťko

Bachelor's thesis

Abstract:

Change point v časovej rade popisujúcej tok dát v sieti môže byť príznakom dôležitej udalosti a preto algoritmy na detekciu change pointov nachádzajú uplatnenie v monitorovaní sietí. V tejto práci sú otestované štyri metódy detekcie changepointov - CUSUM diagram, ChangeFinder, uLSIF a jednoduchý algoritmus, ktorého účelom je uľahčiť hodnotenie ostatných metód - na časových radách zo skutočných sieťových tokov, do ktorých boli umelo vložené change pointy. Porovnávané boli rýchlosť detekcie, frekvencia falošných pozitív a vplyv odstránenia sezónnosti na tieto dve metriky. Výsledky naznačujú, že iba change pointy, ktoré výrazne ovplyvnia strednú hodnotu pozorovaní v časovej rade, sa dajú týmito metódami detekovať dostatočne rýchlo a spoľahlivo, a aj to iba po odstránení sezónnosti.

Abstract:

A change point in a network time series might be a sign of an important event happening in a network, and therefore algorithms for change point detection could be applied in network monitoring. Four change point detection methods - CUSUM chart, ChangeFinder, uLSIF and a simple baseline method for benchmarking - were tested on time series based on real-world network flows into which change points were artificially introduced. The algorithms' speed of detection and frequency of false positives and the effect of deseasonalization of time series on these metrics were compared. The results suggest that only change points that have an effect on the time series' mean can be detected sufficiently fast and reliably, but only on deseasonalized data.

Keywords

change point detection, time series, network flows

Language used: English

Date on which the thesis was submitted / produced: 23. 5. 2019

Thesis defence

• Date of defence: 26. 6. 2019
• Supervisor: RNDr. Tomáš Jirsík
• Reader: RNDr. Martin Drašar, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Mathematical Informatics