講演抄録/キーワード |
講演名 |
2017-06-16 11:30
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 ○池田泰弘・石橋圭介・中野雄介・渡辺敬志郎・川原亮一(NTT) IN2017-18 |
抄録 |
(和) |
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. |
(英) |
The anomaly detection algorithm based on an autoencoder has attracted much attention.
An autoencoder is a neural network model used for unsupervised learning
and requires only data in normal time as training data to output abnormality of test data
according to how far they are different from the training data.
The autoencoder therefore seems to be desirable as an anomaly detection algorithm
under the situation that abnormal data cannot be obtained sufficiently.
However, identifying the root cause of the anomalies detected by the autoencoder is difficult
since the causal input parameters of the anomalies are not directly indicated.
In this paper, we propose an algorithm for inferring causal input parameters of an autoencoder for anomalies
by using sparse optimization. We also evaluate the algorithm through simulated data and network benchmark data. |
キーワード |
(和) |
ディープラーニング / オートエンコーダ / 要因推定 / / / / / |
(英) |
deep Learning / autoencoder / cause estimation / / / / / |
文献情報 |
信学技報, vol. 117, no. 89, IN2017-18, pp. 61-66, 2017年6月. |
資料番号 |
IN2017-18 |
発行日 |
2017-06-08 (IN) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IN2017-18 |