ADT：用于异常检测的基于智能体的动态阈值方法
机器学习
2023-12-05 v1 人工智能
摘要
IT 系统的复杂性和规模急剧增加，给现实世界的异常检测带来了诸多挑战。深度学习异常检测应运而生，旨在进行特征学习和异常评分，并取得了巨大成功。然而，尽管阈值问题是影响异常检测有效性的关键因素，但目前针对该问题的研究工作甚少。在本文中，我们将异常检测中的阈值设定建模为马尔可夫决策过程，并提出了一种基于深度 Q 网络的基于智能体的动态阈值设定（ADT）框架。所提出的方法可集成到许多需要动态阈值的系统中。本研究利用自编码器获取特征表示，并为复杂的输入数据生成异常分数。ADT 能够利用自编码器生成的异常分数自适应地调整阈值，从而显著提升异常检测性能。我们在三个真实世界数据集上通过实验研究了 ADT 的特性，并将其与基准方法进行了比较，从而证明了其阈值设定能力、数据高效的学习能力、稳定性和鲁棒性。我们的研究验证了强化学习在异常检测最优阈值控制中的有效性。
引用
@article{arxiv.2312.01488,
title = {ADT: Agent-based Dynamic Thresholding for Anomaly Detection},
author = {Xue Yang and Enda Howley and Micheal Schukat},
journal= {arXiv preprint arXiv:2312.01488},
year = {2023}
}