Cryptolens is world leading software licensing platform. As a result, it has large amounts of data that is generated when each end user application at- tempts to verify a license key. Being able to differentiate between normal and anomalous data can provide software vendors with a way to detect fraud and other abnormal behaviour, allowing them to save time on analyzing all the data themselves and increase revenues. It is found that an effective way to find anomalies in software licensing logs is to use the reconstruction error as the anomaly score from either an LSTM or TCN based autoencoder, where the decision boundary is decided by the largest error in the error histogram on the training set.

Cryptolens är en världsledande mjukvarulicensieringslösning. Tack vare detta har den stor tillgång till data som är genererad när varje slutanvändare försöker verifiera en licens. Att kunna särskilja mellan normal och anomalisk data ger mjukvaruföretag ett sätt att detektera bedrägerier och annan typ av avvikande användning, som tillåter dem att spara tid på att analysera data:n själva och öka sina intäkter. Det konstateras att ett effektivt sätt att hitta anomalier i mjukvarulicensieringsloggar är genom att använda antingen en autoencoder som bygger på LSTM eller TCN, där beslutsgränsen sätts med hjälp av det största felet i histogrammet som är skapat från träningsdatan.