通过深度高斯化进行群体异常检测

我们引入一种基于通过对抗自编码器进行高斯化来实现群体异常检测的算法方法。该方法适用于任意分布的高维数据中“软”异常的检测。软异常（或称群体异常）的特征在于数据集分布的偏移，其中某些元素出现的概率高于预期。此类异常必须通过考虑足够大的样本集而非单个样本来检测。应用包括但不仅限于支付欺诈趋势、数据泄露、疾病聚集与流行以及社会动荡。我们在多个领域上评估了该方法，并获得了定量结果与定性见解。