一.标题

Deep Learning for Anomaly Detection: A Review

二.时间

2020年

三.作者

  • GUANSONG PANG∗, University of Adelaide
  • CHUNHUA SHEN, University of Adelaide
  • LONGBING CAO, University of Technology Sydney
  • ANTON VAN DEN HENGEL, University of Adelaide

四.文章来源

ACM Computing Surveys

五.异常检测的复杂问题

1.异常和很多未知联系在一起

2.不同的异常表现的特征不一样

3.异常数据很少

4.异常的不同类型

  • 论文：Varun Chandola, Arindam Banerjee, and Vipin Kumar. 2009. Anomaly detection: A survey. Comput. Surveys 41, 3 (2009), 15.

  • 贡献：讨论了三种完全不同的异常类型，分别是点异常、上下文异常、集合异常。

    1. 点异常：如果单个数据相对于其余数据可以被认为是异常的，则该数据被称作点异常
    2. 上下文异常：如果数据在特定上下文中是异常的，但是在其他情况下不是异常，
      则该数据被称为上下文异常
    3. 集合异常：集合异常的各个数据点本身可能不是异常的，但作为集合一起出现会被视为异常则称该集合为集合异常

六.异常检测的主要挑战

  1. 低的异常召回率（recall rate）
  2. 在高维度的数据上进行异常检测:一个直接的方法是通过原始特征的子集或者构建的特征把高维降成低维，但是识别高维数据的特征相互作用是必要的，这是异常检测的一个主要的挑战。
  3. 正常/异常的数据效率学习
  4. 抗噪声的异常检测
  5. 复杂异常的检测
  6. 异常的解释

传送门1

传送门2

赏

坚持