DEEP LEARNING FOR ANOMALY DETECTION: A SURBEY

Deep Learning for Anomaly Detection: A Survey

https://arxiv.org/abs/1901.03407

2019.01.23

1．

2．アノマリーとはアブノーマル、データマイニングや統計学の観点でのdeviantsもしくはoutliersをと関連する。

3．Novelty detectionはデータの中で新しいもしくは缶億されていなかったパターンを認識すること。

4．モチベーションとチャレンジ：Deep anomaly detection(DAD) techniques

・従来の手法では画像やデータセットの最適下限であった。そのため、データの複雑な構造を捉え損う

・ラージスケールの異常検知の必要性

・DADテクニックはデータの階層的な判別の特徴を学ぶ。この自動的な特徴学習の能力は専門家による特徴量作成の手間を省く。

・正常と異常の挙動の境界はしばしば正確に定義されない。

5．関連研究

多くの機械学習に対するDL法の発展があったにも関わらず、異常検知に関してのDLは少ない。

6．

7．

8．DLベースの異常検知の違う側面

8.1　入力データの性質

DLNetwork構造の選択は入力データの質による。入力データは大きく連続的なデータ(eg,声、文章、音楽、時系列、蛋白質配列)と非連続なデータ(eg,画像、その他データ)に分けられる。

8.2　ラベルの可用性

ラベルは選ばれたデータが通常か異常であるかを示す。異常はレアであるので、それらのラベルを得ることは挑戦的である。更に、異常の挙動は時間超過とともに変わる。DADのモデルはラベルの利用できる量によって、3つのカテゴリに分類される

8.3 トレーニング目的に基づいて

8.3.1 Deep Hybrid Models(DHM)

DHMは特徴抽出としてAEを主に用いて、AEの隠れ層に学習された特徴は伝統的な異常検知のアルゴリズムone-class SVM(OC-SVM)などの入力となる。