HDBSCANとDeep SVDDを用いた異常検知

カテゴリ: 研究会(論文単位)

論文No: CMN24014

グループ名: 【C】電子・情報・システム部門 通信研究会

発行日: 2024/01/22

タイトル(英語): Anomaly Detection Using HDBSCAN and Deep SVDD

著者名: 野地 勇佑(同志社大学),木村 共孝(同志社大学),程 俊(同志社大学)

著者名(英語): Yusuke Noji(Doshisha University),Tomotaka Kimura(Doshisha University),Cheng Jun(Doshisha University)

キーワード: 異常検知|深層学習|クラスの不均衡|クラスタリング|外れ値検知|Anomaly Detection|Deep Learning|Class Imbalance|Clustering|Outlier Detection

要約(日本語): 本稿では，教師なし学習を用いたラベル推定による異常検知手法を提案する．実環境に即した不均衡なデータでは異常なデータのラベルが不足するため，提案手法ではクラスタリングと外れ値検知手法を用いてラベルを推定する．まず，密度に基づくクラスタリングであるHDBSCANを学習データに対して適用し，クラスター化されたデータを抽出することで可能な限り異常データを取り除く．クラスター化されたデータは，深層学習の一つであるDeep SVDDの新たな学習データとする．Deep SVDDの分類結果に基づいて推定されたラベルを使用して教師あり異常検知モデルを構築する．評価実験では，Webページデータやトラフィックデータなどを用い，提案手法が既存の手法よりも高い異常検知精度を実現できることを示す．

要約(英語): In this paper, we propose an anomaly detection method based on label estimation using unsupervised learning. As labels for anomaly data are lacking in unbalanced data such as real-world data, the proposed method uses clustering and outlier detection methods to estimate labels. First, HDBSCAN, a density-based clustering, is applied to the training data to remove as much anomaly data as possible by extracting clustered data. The clustered data are used as new training data for Deep SVDD, a type of deep learning, to build a supervised anomaly detection model using labels estimated based on Deep SVDD classification results. Evaluation experiments show that the proposed method can achieve higher anomaly detection accuracy than existing methods, using web page data and traffic data.

本誌: 2024年1月25日-2024年1月26日通信研究会

本誌掲載ページ: 67-72 p

原稿種別: 日本語

PDFファイルサイズ: 1,125 Kバイト