双重对抗激活异常检测：对抗自编码器即异常生成器
机器学习
2024-01-17 v5 密码学与安全
摘要
由于固有的类不平衡，异常检测对机器学习算法是一项挑战性任务。人工分析观测数据成本高且耗时，因此通常仅有少量已知异常（若有）。受生成模型与神经网络隐藏激活分析的启发，我们提出一种称为DA3D的新型无监督异常检测方法。此处我们利用对抗自编码器仅基于正常数据生成异常反例。训练中使用这些人工异常使得检测真实但未见的异常成为可能。凭借这一新颖生成式方法，我们将无监督异常检测任务转化为更易由机器学习尤其是深度学习方法处理的有监督任务。DA3D以纯数据驱动方式超越SOTA异常检测方法的性能，无需领域知识。
引用
@article{arxiv.2101.04645,
title = {Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators},
author = {J. -P. Schulze and P. Sperl and K. Böttinger},
journal= {arXiv preprint arXiv:2101.04645},
year = {2024}
}
备注
Accepted at IJCNN 2022