从解释到行动：用于异常推理与管理的端到端人在回路框架
机器学习
2023-04-10 v1 人机交互
摘要
在制造、医疗保健、金融、监控等诸多系统中，异常通常是故障或低效的指标。尽管由于这种实际相关性，文献中不乏有效的检测算法，但自主异常检测在现实场景中很少被使用。特别是在高风险应用中，人在回路通常参与检测之外的流程，例如验证和故障排除。在本工作中，我们引入了 ALARM（即分析师在回路异常推理与管理）；这是一个端到端框架，全面支持从检测到行动的异常挖掘周期。除了对新兴异常进行无监督检测外，它还提供异常解释和用于人在回路流程的交互式 GUI——视觉探索、意义建构，以及最终通过设计新检测规则采取行动——这有助于闭合“回路”，因为新规则补充了基于规则的监督检测，而这正是实践中许多已部署系统的典型特征。我们通过一系列来自金融行业欺诈分析师的案例研究展示了 ALARM 的有效性。
引用
@article{arxiv.2304.03368,
title = {From Explanation to Action: An End-to-End Human-in-the-loop Framework for Anomaly Reasoning and Management},
author = {Xueying Ding and Nikita Seleznev and Senthil Kumar and C. Bayan Bruss and Leman Akoglu},
journal= {arXiv preprint arXiv:2304.03368},
year = {2023}
}