从零到英雄：冷启动异常检测

在首次部署异常检测系统（例如用于检测聊天机器人中的超出范围查询）时，由于没有观测数据，数据驱动的方法便无能为力。零样本异常检测方法为此类“冷启动”情况提供了解决方案，但 Unfortunately（然而）它们往往不够准确。本文研究了现实中却被忽视的冷启动设置：异常检测模型使用零样本指导进行初始化，但随后接收少量受污染的观测数据（即可能包含异常值的数据）。目标是高效地利用零样本指导与观测数据。我们提出ColdFusion 方法，有效地将零样本异常检测器适应到受污染的观测数据上。为支持这一新设置的未来发展，我们提出了一个评估套件，包括评估协议和指标。