{"product_id":"ieej-20240122c00701-013","title":"HDBSCANとDeep SVDDを用いた異常検知","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e研究会(論文単位)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003eCMN24014\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【C】電子・情報・システム部門 通信研究会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2024\/01\/22\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eAnomaly Detection Using HDBSCAN and Deep SVDD\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e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)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eYusuke Noji(Doshisha University),Tomotaka Kimura(Doshisha University),Cheng Jun(Doshisha University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e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\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e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．\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(英語): \u003c\/strong\u003eIn 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.\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e本誌: \u003c\/strong\u003e\u003ca href=\"\/products\/ieej-20240122c00701\"\u003e2024年1月25日-2024年1月26日通信研究会\u003c\/a\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e本誌掲載ページ: \u003c\/strong\u003e67-72 p\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e1,125 Kバイト\u003c\/p\u003e","brand":"IEEJ-P10","offers":[{"title":"冊子印刷（一般価格660円\/会員価格440円） \/ A4 \/ 6","offer_id":46352542302447,"sku":"IEEJ-20240122C00701-013-PRT","price":660.0,"currency_code":"JPY","in_stock":true},{"title":"PDFダウンロード（一般価格330円\/会員価格220円） \/ A4 \/ 6","offer_id":46355610271983,"sku":"IEEJ-20240122C00701-013-PDF","price":330.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-KENKYUKAI_b98307ec-e8e2-4b7a-ab75-71caa8bd300a.png?v=1743235958","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-20240122c00701-013","provider":"電気学会 電子図書館","version":"1.0","type":"link"}