A^3：激活异常分析
密码学与安全
2021-02-25 v3 机器学习
摘要
受近期神经网络覆盖引导分析进展的启发，我们提出了一种新颖的异常检测方法。我们表明隐藏激活值包含可用于区分正常样本与异常样本的信息。我们的方法在纯数据驱动的端到端模型中组合了三个神经网络。基于目标网络中的激活值，报警网络判定给定样本是否正常。得益于异常网络，我们的方法即使在严格的半监督设置下也能工作。在常见数据集上取得了强劲的异常检测结果，超越了当前基线方法。我们的半监督异常检测方法允许跨各种应用检查大量数据中的异常。
引用
@article{arxiv.2003.01801,
title = {$\text{A}^3$: Activation Anomaly Analysis},
author = {Philip Sperl and Jan-Philipp Schulze and Konstantin Böttinger},
journal= {arXiv preprint arXiv:2003.01801},
year = {2021}
}
备注
The first two authors contributed equally to this work