Deep learning for anomaly detection - Review1

introduction

• 실무 입장에서는 복잡한 모델을 이용하여 성능을 높이기보다는 scoring 산출 방식등을 변경하여 사용하는 것이 효율적

• 최적 모델을 선정하는데 평가 기준 지표에 대한 연구 필요

이상치의 종류

by pattern

1. point outlier

2. contextual outlier

3. collective outlier

by range

1. local outlier

2. global outlier

by input data type

1. vector outlier

2. graph outlier

Data Label

지도학습

label된 이상적인 데이터 수집 어려움

반지도학습

학습된 boundary가 정상 데이터에 과적합 될 확률이 높음

비지도학습

PCA, Auto Encoder model

Deep Anormaly approach

• anomaly scoring 과 개별적으로 특징 추출에만 딥러닝 사용. AlexNet, VGG, ResNet 등의 pre-tain 모델 사용

• 특징 추출하면서 재구성 손실 및 비정상 측정을 통한 output을 도출

• anomaly score를 loss function으로 사용하여 특성 추출 및 anomaly scoring이 이상탐지 목적에 맞춰 한 번에 이뤄지는 모델

출처: https://www.youtube.com/watch?v=Mj_Lapou2SE&t=57s