文献

J-GLOBAL ID：201702233048307151   整理番号：17A0869664

オートエンコーダを用いた異常検知におけるスパース最適化を用いた要因推定手法

Inferring causal parameters of anomalies detected by autoencoder using sparse optimization

著者 (5件)： 池田泰弘 (NTT ネットワーク基盤技研) ,  石橋圭介 (NTT ネットワーク基盤技研) ,  中野雄介 (NTT ネットワーク基盤技研) ,  渡辺敬志郎 (NTT ネットワーク基盤技研) ,  川原亮一 (NTT ネットワーク基盤技研)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 89(IN2017 12-18)  ページ： 61-66  発行年： 2017年06月08日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ディープラーニング技術の一種であるオートエンコーダを用いた異常検知に注目が集まっている。オートエンコーダはニューラルネットワークを用いた教師なし学習であり,正常なデータのみで学習をおこなうことで,テストデータがあらかじめ学習した正常な状態からどれだけ離れているかを示す異常度を出力する。そのため,異常時のデータが十分に手に入らないような環境に対する異常検知アルゴリズムとして有効であると考えられるが,オートエンコーダではテストデータが異常であると検知された場合に,データにおけるどの入力次元が原因で異常度が高くなったのかを直接推定することができず,異常発生の原因を解明する際に大きな課題となる。本稿では,オートエンコーダによって異常が検知された時に,スパース最適化によって異常の要因である入力次元を推定する技術を提案し,シミュレーションにより生成したデータやネットワークベンチマークデータを用いて評価した結果を示す。(著者抄録)

シソーラス用語： *検出 ,  異常 ,  性質 ,  *最適化 ,  *機械学習 ,  ニューラルネットワーク ,  教師なし学習
準シソーラス用語： スパース性 ,  *ディープラーニング ,  *異常検知

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (14件)：

• Benjamin B Thompson, Robert J Marks, Jai J Choi, Mo-hamed A El-Sharkawi, Ming-Yuh Huang, and Carl Bunje. Implicit learning in autoencoder novelty assessment. In Neural Networks, 2002. IJCNN'02. Proceedings of the 2002 International Joint Conference on, Vol. 3, pp. 2878-2883. IEEE, 2002.
• Mayu Sakurada and Takehisa Yairi. Anomaly detection us-ing autoencoders with nonlinear dimensionality reduction. In Proceedings of the MLSDA 2014 2nd Workshop on Ma-chine Learning for Sensory Data Analysis, p. 4. ACM, 2014.
• Daniel B Araya, K Grolinger, Hany F ElYamany, Miriam AM Capretz, and G Bitsuamlak. Collective contex-tual anomaly detection framework for smart buildings. In Neural Networks (IJCNN), 2016 International Joint Con-ference on, pp. 511-518. IEEE, 2016.
• Haakon Ringberg, Augustin Soule, Jennifer Rexford, and Christophe Diot. Sensitivity of PCA for traffic anomaly detection. ACM SIGMETRICS Performance Evaluation Review, Vol. 35, No. 1, pp. 109-120, 2007.
• Heiko Hoffmann. Kernel PCA for novelty detection. Pattern Recognition, Vol. 40, No. 3, pp. 863-874, 2007.

タイトルに関連する用語 (6件)： オートエンコーダ ,  異常検知 ,  最適化 ,  要因 ,  推定 ,  手法