基于历史信息的异常检测器：一种异常检测的对抗方法
计算机视觉与模式识别
2020-03-17 v2
摘要
异常检测在许多领域均为难题，近期受到大量关注。将未见数据分类为异常是一项具有挑战性的任务。最新提出的方法依赖生成对抗网络（GANs）来估计正常数据分布，并对任意给定数据给出异常分数预测。在本文中，我们提出一种简单而新颖的对抗方法来解决该问题，称为基于历史的异常检测器（HistoryAD）。它由一个自监督模型组成，该模型通过比较基于先前训练 GAN 训练历史得到的样本来识别“正常”样本。我们给出了定量与定性结果以评估其性能。我们还将其与若干异常检测的前沿（state-of-the-art）方法进行比较，表明我们的方案在多个数据集上取得了顶尖水平的结果。
关键词
引用
@article{arxiv.1912.11843,
title = {History-based Anomaly Detector: an Adversarial Approach to Anomaly Detection},
author = {Pierrick Chatillon and Coloma Ballester},
journal= {arXiv preprint arXiv:1912.11843},
year = {2020}
}