[Machine Learning] Deep Learning for anomaly detection(survey)_1편

이상감지 인공지능 기법을 찾던 중 

유용한 논문 한편을 발견했다.

 

"Deep Learning for anomaly detection : A Survey"

by Raghavendra Chalapathy, Sanjay Chawla

 

이상감지(Anomaly Detection)에 대한 기존 논문들을 모아놓은 논문.

여러 분야에서 어떻게 이상(Anomaly)을 정의하고, 기법을 적용했는지에 대한 정리가 되어있어

 

나처럼 어떠한 지식도 없는 사람들을 위해서 유용한 듯 하다.

---

[ Abstract ]

본 Survey의 목적은 두가지다.

1. 딥러닝 베이스의 이상감지에서 여러 연구방법들의 구조화 및 종합적 overview

2. 다양한 영역에서의 적용 방법 및 효과 review

 

[ 2. What are anomalies? ]

Anomaly 란 무엇인가?

이상, 변화 또는 outlier

특히, 관찰된 값들의 대부분을 포함하고 있는 영역에 있는것은 Normal Data로 판단하고

그 외 영역에 있는 데이터들은 Anomaly Data.

 

[ 3. What are novelties? ]

이상과 약간의 개념차이가 있는데,

Novelty detection 은 새로운 것 또는 관찰되지 않은 패턴의 발견을 말함.

 

[ 4. Motivation and Challenges : Deep anomaly detection(DAD) techniques ]

기존의 알고리즘은 복잡한 구조를 찾아내기에 어려우며, 스케일이 커질수록(데이터량이 많아질수록) 찾아내기가 힘들다.

해당 논문에서 다루는 Method는 아래와 같다

  -  Supervised(지도), Unsupervised(비지도), Hybrid Models(하이브리드), one-Class Neural Networks "

 

적용은 사기 감지, 해킹 감지, 의학적 이상감지, 센서통신 이상감지, IoT 빅데이터 이상감지, Log 이상감지, 비디오 감시, 산업 피해감지 등