Scifaro

中文

高效的基于 GAN 的异常检测

机器学习 2019-05-03 v2 机器学习

作者: Houssam Zenati , Chuan Sheng Foo , Bruno Lecouat , Gaurav Manek , Vijay Ramaseshan Chandrasekhar

在 arXiv 上查看 ↗ PDF ↗

摘要

生成对抗网络（GAN）能够建模真实世界数据的复杂高维分布，这表明它们可有效地用于异常检测。然而，极少有工作探索将 GAN 用于异常检测任务。我们利用近期开发的 GAN 模型进行异常检测，在图像与网络入侵数据集上取得了最先进的性能，同时在测试时比唯一已发表的基于 GAN 的方法快数百倍。

关键词

生成对抗网络异常检测图像数据集网络入侵最先进

引用

@article{arxiv.1802.06222,
  title  = {Efficient GAN-Based Anomaly Detection},
  author = {Houssam Zenati and Chuan Sheng Foo and Bruno Lecouat and Gaurav Manek and Vijay Ramaseshan Chandrasekhar},
  journal= {arXiv preprint arXiv:1802.06222},
  year   = {2019}
}

备注

Updated version of this work is published at ICDM 2018, see arXiv:1812.02288 . Submitted to the ICLR Workshop 2018