基于集成模型的主动异常检测

在包括计算机安全与欺诈预防在内的异常检测关键应用中，异常检测器必须由分析人员可配置，以最小化处理误报的代价。配置异常检测器的一个重要方式是为少量实例提供真实标签。我们研究标签高效的主动学习问题以自动调优异常检测集成模型，并作出四项主要贡献。首先，我们提出一个重要见解：异常检测器集成如何天然适用于主动学习。该见解使我们能将贪婪查询策略与不确定性采样相联系，对标签效率具有启示意义。其次，我们提出一种称为紧凑描述的新型形式化方法以刻画已发现的异常，并展示其也可用于提升呈现给分析人员的实例多样性而不损失异常发现率。第三，我们提出一种新型数据漂移检测算法，不仅能稳健检测漂移，还允许我们以原则性方式采取纠正措施使检测器自适应。第四，我们在批量与流式两种设定下给出广泛实验以评估我们的见解与算法。结果表明，除比最先进的无监督基线发现显著更多的异常外，我们的流式数据设定下的主动学习算法与批量设定具有竞争力。