基于 VAE 的异常检测系统的新应用
机器学习
2022-04-28 v1
摘要
近期深度学习技术的兴起推动了创新并促进了科学研究。它们的成就为深度生成建模（DGM）开辟了新的研究方向，这是一种日益流行的方法，可以从给定的数据集出发创建新颖且未见过的数据。随着该技术展现出有前景的应用，许多伦理问题也随之出现。例如，它们的滥用可能导致虚假信息活动和强大的网络钓鱼攻击。研究还表明，不同的偏见会影响深度学习模型，导致诸如误传等社会问题。在这项工作中，我们构想了一个新颖的设置来处理类似问题，展示了一个被重新利用的异常检测系统能够有效地生成新颖数据，同时避免生成指定的不想要的数据。我们提出了变分自编码二元分类器（V-ABC）：一种新颖的模型，它利用变分自编码器（VAE）重新利用并扩展了自编码二元分类器（ABC）异常检测器。我们调查了现有方法的局限性，并探索了多种工具，以可解释的方式展示模型的内部运作。该提议在生成式应用中具有巨大潜力：依赖用户生成数据的模型可以自动过滤掉不想要的内容，例如攻击性语言、淫秽图像和误导性信息。
引用
@article{arxiv.2204.12577,
title = {Novel Applications for VAE-based Anomaly Detection Systems},
author = {Luca Bergamin and Tommaso Carraro and Mirko Polato and Fabio Aiolli},
journal= {arXiv preprint arXiv:2204.12577},
year = {2022}
}
备注
Accepted for presentation at the IJCNN at IEEE World Congress on Computational Intelligence (WCCI) 2022 and for publication in the conference proceedings published by IEEE. NOT camera ready