公开(公告)号：CN113052203A

公开(公告)日：2021-06-29

申请号：CN202110181592.1

申请日：2021-02-09

申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

发明人： 廖清 ,  曾子辉 ,  柴合言 ,  苏伟俊 ,  刘洋 ,  蒋琳 ,  王轩

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种面向多种类数据的异常检测方法及装置。所述面向多种类数据的异常检测方法通过训练对抗学习网络，使对抗学习网络中的生成器拟合正常训练样本的分布以及学习正常训练样本的潜在模式，得到更新的对抗学习网络，根据训练过程中产生的重构误差构造更新的对抗学习网络中的异常评价函数，并将更新的对抗学习网络构建为异常检测模型，以利用异常检测模型对输入的检测数据进行异常检测，得到异常检测结果。本发明基于传统生成对抗学习模型的异常检测方法，通过引入模式分类器的思想，有效解决了检测数据与正常数据分布相近时异常检测难的问题，进一步提高了异常检测的准确性。

公开(公告)号：CN113052203B

公开(公告)日：2022-01-18

申请号：CN202110181592.1

申请日：2021-02-09

申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

发明人： 廖清 ,  曾子辉 ,  柴合言 ,  苏伟俊 ,  刘洋 ,  蒋琳 ,  王轩

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种面向多种类数据的异常检测方法及装置。所述面向多种类数据的异常检测方法通过训练对抗学习网络，使对抗学习网络中的生成器拟合正常训练样本的分布以及学习正常训练样本的潜在模式，得到更新的对抗学习网络，根据训练过程中产生的重构误差构造更新的对抗学习网络中的异常评价函数，并将更新的对抗学习网络构建为异常检测模型，以利用异常检测模型对输入的检测数据进行异常检测，得到异常检测结果。本发明基于传统生成对抗学习模型的异常检测方法，通过引入模式分类器的思想，有效解决了检测数据与正常数据分布相近时异常检测难的问题，进一步提高了异常检测的准确性。