基于最小似然生成对抗网络的异常检测
机器学习
2018-08-02 v1 机器学习
摘要
异常检测旨在通过正态性模型检测异常事件。它在网络入侵检测、犯罪活动识别等诸多领域中发挥着重要作用。随着可获取训练数据规模的快速增长与计算能力的提升，基于深度学习的异常检测已变得越来越流行。本文提出了一种基于生成对抗网络（GAN）的新的基于域的异常检测方法。提出最小似然正则化以使生成器产生更多异常并防止其收敛到正常数据分布。适当的异常分数集成被证明能有效提升判别器的稳定性。所提方法在 Cifar10 与 UCI 数据集上相较其他异常检测方法取得了显著改进。
引用
@article{arxiv.1808.00200,
title = {Anomaly Detection via Minimum Likelihood Generative Adversarial Networks},
author = {Chu Wang and Yan-Ming Zhang and Cheng-Lin Liu},
journal= {arXiv preprint arXiv:1808.00200},
year = {2018}
}