이상 탐지 연구

정당성

이상 탐지란?

• 정상검체와 비정상검체를 구별하는 문제

분류

학습 중 비정상 샘플 사용 여부 및 표시 여부에 따른 분류.

1. 지도 학습 기반 이상 탐지

• 주어진 학습 데이터 세트에 정상 및 비정상 샘플 데이터와 레이블이 모두 있는 경우.
• 높은 정확도가 필요할 때 주로 사용
• 산업현장에서 이상시료의 발생빈도가 현저히 낮기 때문에 심각한 클래스 불균형 문제
• 데이터 확장, 손실 함수 재설계, 배치 샘플링 등의 기법 적용

2. 반지도 학습 기반 이상 탐지(개별 수업)

• 클래스 불균형이 심한 경우 일반 샘플로만 학습
• 정상 샘플을 중심으로 판별 경계를 설정하고 경계를 최대한 좁혀 경계 외부의 모든 샘플을 비정상으로 간주합니다.
• One-Class SVM, Deep SVDD, Energy-based, Deep Autoencoding Gaussian Mixture Model, GAN, Self-Supervised Learning

3. 비지도 학습 기반 이상 탐지

• 대부분의 데이터가 정상 샘플이라고 가정하여 레이블 없이 훈련하는 방법론
• PCA와 Autoencoder를 이용한 차원축소 및 복원 과정을 통한 이상시료 검출
• 다소 불안정한 정확도

이상검체의 정의에 따른 분류

1. 참신함 감지

• 기존 데이터셋에 존재하지 않는 새로운 개(Novel Specimen, Invisible Specimen)를 찾기 위한 방법론

2. 이상값 감지

• 새로운 예가 나오면 개가 아닌 호랑이, 말, 운동화, 비행기 등 개와 상관없는 예가 등장한다.

정상 샘플의 클래스 수에 따른 분류(OOD Detection)

• 정상/비정상 대신 분포 내/분포 외부 표본이라는 문구를 사용하십시오.
• 분포 내 데이터셋으로 네트워크를 훈련시킨 후 테스트 단계에서 비정상 샘플을 찾는 문제

머신러닝 기반 이상 탐지

분류 기반 이상 탐지 기법

• 분류기를 특징 공간에서 훈련할 수 있다고 가정합니다.
• 레이블 수에 따른 단일 클래스 또는 다중 클래스 데이터 학습
• 클래스와 일치하지 않는 개체는 이상값으로 처리됩니다.
• Autoencoders, Bayesian Networks, Support Vector Machines, Decision Rule Bases 등

1. 오토인코더

'추천 관련글,

• 데이터 마이닝 개요 및 비즈니스 응용 프로그램
• From inheritance tax declaration documents to…
• 무료 모바일 데이터 추가 제공,
• 근세 - (2) 바로크 시대 복식

• 비지도 학습 기반 모델
• 하나 이상의 숨겨진 레이어로 구성된 인코더에 의한 입력 데이터의 압축(차원 축소).
• 디코더를 사용하여 객체 재구성(생성 모델)
• 재구성 시 발생하는 재구성 오류가 클수록 이상(anomaly score)으로 평가될 가능성이 높습니다.

2. 베이지안 네트워크 기반

• 다중 클래스 문제에 사용
• 순진한 베이지안 네트워크는 테스트 데이터에서 관측치의 각 정규 클래스 및 비정상 클래스에 대한 사후 확률을 추정하고 확률이 가장 높은 클래스에 할당합니다.
• 각 클래스의 사전 확률과 조건부 확률은 훈련 데이터를 사용하여 추정해야 합니다.
• 확률이 0인 경우 라플라시안 스무딩은 0 대신 1 또는 이에 상응하는 양수 값을 반환합니다.

3. 서포트 벡터 머신 기반

• 단일 클래스 문제에 사용
• 학습 데이터가 포함된 지역 알아보기
• 우리는 결정 경계에만 집중하고 경계 안팎의 분포에는 관심이 없습니다.
• RBF(Radial Basis Function)와 같은 커널 함수는 도메인 분류가 복잡해질 때 가끔 사용됩니다.
• 사용할 커널을 결정해야 합니다.

4. 결정 규칙 기반

• 정상적인 데이터를 평가하고 어떤 규칙도 따르지 않는 관찰을 비정상으로 처리하기 위한 학습 규칙
• 다중 클래스 및 단일 클래스 모두 적용 가능
• 의사 결정 트리와 같은 의사 결정 규칙 학습 알고리즘을 사용하여 훈련 데이터에 대한 규칙을 학습합니다.

NN 기반 이상 탐지 기법

• 정상값이 일부 이웃에 밀집되어 있고 이상치가 각 이웃에서 멀리 떨어져 있다고 가정
• 두 엔터티 간의 거리 개념을 정의해야 합니다.
  • 연속 변수: Euclidean, Manhattan, Minkowski, 표준화, Mahalanobis 거리
  • 범주형 변수: 단순 일치도 계수(Jacquard Distance)
  • 다변량 데이터: 각 변수에 대한 거리 결합
• 비지도 또는 준지도 학습 기반
• 이것이 당신이 이상적인 점수를 얻는 방법입니다
  • k번째로 가장 가까운 물체까지의 거리 사용(K-NN 기준)
  • 상대 밀도 사용(상대 밀도 기준)

1. K-NN 기반

• 이상 점수를 k-가장 가까운 개체까지의 거리로 정의하려면
• 이상 점수의 임계값 설정
• 이상 점수별로 정렬하여 이상 점수가 가장 큰 m 항목을 이상값으로 표시하는 방법도 있습니다.
• 비연속 컴퓨팅을 위한 다른 거리 척도 소개: k개의 가장 가까운 물체까지의 거리의 합, 물체로부터 주어진 거리 내에 있는 물체의 수를 세는 방법, 데이터를 클러스터링하고 k-가장 가까운 물체를 찾는 방법 클러스터 이웃과의 거리, 최소/최대 거리 값을 사용하여 k개의 가장 특이한 개체를 포함하지 않는 클러스터를 제거하고 나머지에서 이상값만 찾습니다.

2. 비중 기준

• 각 관측값 부근의 밀도를 추정하고, 그 부근의 밀도가 낮은 관측값을 이상값으로 판단합니다.
• 면적에 따라 밀도가 달라지는 경우 취약 -> 이를 해결하기 위해 국지적 상대밀도 비교 LOF(로컬 이상치 요인) 기술 등장
• 가장 가까운 k 포인트의 로컬 밀도의 평균은 자체 로컬 밀도의 비율로 정의됩니다.
• 고밀도 클러스터에 가까운 경우에도 이상값을 감지합니다.
• 판단 기준은 도메인 지식을 사용하여 한계를 결정해야 합니다.

클러스터링 기반 이상 탐지 기법

• 비지도 학습 방법
• 세 가지 가정
  1. 정상 값은 하나 이상의 클러스터로 클러스터링되며 이상 값은 클러스터에 속하지 않습니다.
  2. 군집의 가장 가까운 중심까지의 거리가 작으면 정상값, 멀면 이상값이다.
  3. 정상 값은 크거나 밀집된 클러스터에 속하고 이상 값은 작거나 희박한 클러스터에 속합니다.
• 이상값이 클러스터를 형성할 때 취약함
• 많은 군집화 알고리즘이 모든 관측치의 군집을 나타내기 때문에 이상값은 큰 군집에 속하고 정상 값으로 판단될 수 있습니다.
• NN 기반 이상 탐지 기법과 유사하게 거리 계산 필요
• 클러스터 기반 이상 탐지 기술은 각 관측치가 속한 클러스터 측면에서 각 관측치를 평가하는 반면, NN 기반 이상 탐지 기술은 각 관측치를 가까운 로컬 이웃과 비교하여 분석합니다.

가정 1

정상 값은 하나 이상의 클러스터로 클러스터링되며 이상 값은 클러스터에 속하지 않습니다.

• 모든 관찰을 클러스터링할 필요가 없는 DBSCAN, ROCK 및 SNN 클러스터링 알고리즘을 사용합니다.
• 데이터에서 클러스터를 찾아 제거하고 나머지는 이상값으로 처리합니다.
• 주요 목적이 클러스터를 찾는 것이므로 이상 탐지에 최적화되어 있지 않습니다.

가정 2

군집의 가장 가까운 중심까지의 거리가 작으면 정상값, 멀면 이상값이다.

• 클러스터링을 수행하고 이상 점수를 관찰과 관찰을 포함하는 클러스터의 중심 사이의 거리로 정의합니다.
• SOM, k-평균 클러스터링, EM 알고리즘
• 학습 데이터를 클러스터링하고 테스트 데이터를 클러스터와 비교하여 아웃라이어 점수를 얻는 준지도 학습 방법일 수 있습니다.
• 이상값이 클러스터링되면 성능이 저하됩니다.

가정 3

정상 값은 크거나 밀집된 클러스터에 속하고 이상 값은 작거나 희박한 클러스터에 속합니다.

• 관측값이 속한 군집의 크기나 밀도가 비정상인지 판단하는 기준
• FindCBLOF: 관측치가 속한 군집의 크기와 관측치와 해당 군집의 중심 사이의 거리를 반영하는 방법

통계적 방법

• 기본 원칙: 이상값은 가정된 확률 분포에서 나오지 않으므로 부분적으로 또는 완전히 범위를 벗어난 관측치입니다.
• 특이치는 확률 분포의 하단에서 발생하는 것으로 가정합니다.
• 테스트 통계를 기반으로 훈련된 모델에서 생성되지 않았을 가능성이 있는 관찰은 이상치로 간주됩니다.
• 파라메트릭 기법과 비파라메트릭 기법을 모두 사용할 수 있습니다.

1. 파라메트릭 기법

• 정규 분포 기반
  • 최대 우도 추정을 통한 모수 추정
  • 각 관측값과 추정 평균 사이의 거리가 이상값입니다.
  • 그럽의 테스트
• 회귀 모델 기반
  • 회귀 모델을 피팅한 후 이상치 값은 테스트 관찰의 잔차로 계산됩니다.
  • 학습 데이터에 이상값이 있으면 영향을 받음
  • 강력한 회귀를 통해 이상값을 정렬하고 동시에 찾을 수 있습니다.
• 혼합 파라메트릭 모델 기반
  • 데이터에서 매개변수 분포를 혼합하는 모델 사용
  • 정규값과 이상치에 대해 서로 다른 분포를 부여하거나, 정규값에 대해서만 혼합 분포를 부여한다.

2. 비모수 기법

• 히스토그램 기반
  • 훈련 데이터로 히스토그램을 생성한 후 검정 관찰값이 유의한 구간에 포함되면 정상, 그렇지 않으면 비정상으로 판단
  • 이상값 점수는 때때로 관찰이 포함된 간격의 빈도를 기반으로 합니다.
  • 데이터가 다변량인 경우 각 변수의 히스토그램에서 이상값 점수를 검색하고 합산하여 전체 이상값 점수를 얻습니다.
• 커널함수 기반 : 비모수적 밀도함수 추정기법, Parzen window

스펙트럼 기술

• 데이터의 대부분의 변동성을 설명하기 위해 근사화된 변수의 조합
• 데이터가 저차원 하위 ​​공간으로 전송될 때 해당 공간에서 정상과 비정상 사이에 명확한 구분이 있다고 믿어집니다.
• 주요 구성 요소 분석
• 저차원 공간에 데이터를 투영할 때 데이터의 상관 구조를 만족하는 정상 객체는 낮은 투영 값을 가지며, 상관 구조를 벗어나는 이상 객체는 높은 값을 나타낸다.
• 고차원 데이터 처리에 적합

시계열 데이터의 이상 감지

• 상황별 이상은 시계열 데이터에서 종종 발견됩니다.
• 컨텍스트는 일반적으로 시간적 특성을 나타냅니다.
• 이상형

• • 점 이상: 데이터의 다른 범주와 크게 다른 데이터의 개별 인스턴스입니다.
  • Contextual anomalies: 인스턴스 자체가 다른 데이터의 값 범위를 벗어나지는 않지만 특정 컨텍스트에서 예외로 간주되는 경우.
  • 집합적 변칙: 데이터 세트가 전체 데이터 세트와 다른 유형인 경우.
• 시계열 데이터에서 이상 징후를 감지할 때 전후 인스턴스와 컨텍스트를 함께 고려해야 합니다.
  • 가산적 이상값: 단기간에 강력한 급증(예: 단기간에 웹사이트 사용자 수가 갑자기 증가)
  • 시간적 변화: 이상값의 유형입니다. B. 웹사이트가 다운되고 사용자 수가 0이 될 때.
  • 레벨 이동 또는 계절별 레벨 이동: 예를 들어 일부 전환 퍼널을 처리할 때 이상값은 변화를 일으키고 전환율을 낮춥니다.
• RNN, LSTM 등 시퀀스 데이터를 처리할 수 있는 알고리즘과 Autoencoder 등의 이상 탐지 알고리즘을 결합하여 사용
• RNN과 같은 네트워크는 단일 인스턴스 대신 시퀀스를 입력 값으로 사용할 수 있으므로 시간적 특성을 고려하여 이상값을 감지할 수 있습니다.

STL 분해

• STL: 황토를 기반으로 한 계절적 추세 분해
• 뢰스
  * 지역 회귀
  • 각 대표점에 대한 회귀 피팅 후 모델을 생성하는 비선형 회귀 알고리즘
• 시계열 데이터는 계절, 추세 및 시차의 세 부분으로 나눌 수 있습니다.
• 간단하고 강력한
• 다양한 상황에 적용 가능하며 모든 이상치에 대한 직관적인 해석
• 가산 이상값을 감지하는 데 특히 좋습니다.
• 데이터의 특성이 빠르게 변할 때 제대로 작동하지 않음

SH ESD

• 계절 하이브리드 ESD(Extreme Studentized Deviate)
• STL로 계절성 및 추세 효과 제거
• MAD 및 Grubbs 테스트와 같은 강력한 메트릭이 사용됩니다.
• 평균 절대 편차(MAD)
  * 중앙값에서 중앙값을 뺀 값의 중앙값
  • 표본 분산보다 이상값의 영향을 덜 받는 분산 측정
• Grubb 테스트(=ESD 테스트): 정규분포를 가정하여 단일 이상값을 찾는 방법
• 일반화된 ESD
  * 다중 이상값을 가정한 테스트 방법
  • 정규성을 가정하기 때문에 먼저 정규성을 테스트해야 합니다.
  • 계절성을 고려하지 않음 -> STL을 먼저 실행

자기회귀 통합 이동 평균(ARIMA)

• AR(자기 회귀) 모델 + MA(이동 평균) 모델.
• 고정 시계열 데이터의 가정
• 정상성: 평균과 분산이 시간에 따라 일정함을 의미합니다. 즉, 시계열 데이터의 속성이 시간에 따라 변하지 않음을 의미합니다.
• 고정 시계열 변환
  1. 분산이 일정하지 않은 경우: 로그 변환
  2. 추세와 계절성이 있는 경우: 첫 번째 차이로 고정되지 않은 경우 차별화, 반복 차이
• AR 모델: 이전의 관찰이 나중에 관찰에 영향을 미친다는 생각을 기반으로 합니다.

• MA 모델: 예측 오류를 사용하여 미래를 예측하는 모델

• ARIMA 모델: 위의 AR(p) 모델과 이산 d-order 데이터에 대한 MA(q) 모델을 결합한 모델

• 과거 포인트로 다음 포인트를 예측하기 위해 화이트 노이즈라는 랜덤 변수를 더해 예측을 생성하는 방식
• 이러한 예측 포인트는 다음 포인트를 예측하기 위해 자동회귀적으로 사용됩니다.

• 적합한 신호 세트를 생성하고 이를 원래 세트와 비교하여 이상값 감지
• 자동 회귀 차수(p), 차이 수(d) 및 예측 오차 계수(q)를 선택해야 합니다.
• 신호는 미분 후 정지 상태를 유지해야 합니다.

지수평활

• ARIMA와 유사하게 추세, 수준 및 계절성을 사용하지만 현재 결과에 가중치를 추가하거나 줄일 수 있습니다.
• SES(Single Exponential Smoothing): 추세와 수준을 참조하십시오.
• Holt-Winters 모델: 추세, 수준 및 계절성을 함께 고려
• Brutlag 알고리즘은 신뢰 구간을 계산하여 정상 값과 비정상 값을 구분합니다.

분류 및 회귀 트리(CART)

• 가장 널리 사용되는 결정 트리 알고리즘
• 가장 강력하고 효과적인 기계 학습 기술 중 하나
• 실제 데이터 차트와 예측 차트의 큰 편차를 이상값으로 감지
• Signal의 어떤 구조에도 연결되지 않음
• 학습을 위해 많은 특징 매개변수를 사용하여 보다 정교한 모델을 얻을 수 있습니다.

LSTM 기반 이상 탐지

• 시계열 데이터의 과거 값을 사용하여 단계 직후에 값을 예측하도록 모델을 학습합니다.
• 오류 벡터를 계산하고 다변량 가우시안 분포를 오류 벡터에 맞춥니다.
• 오차가 가우스 분포의 끝에서 예측값과 실제값 사이에 있으면 이상값으로 간주됩니다.
• 우리는 Mahalanobis 거리를 사용하여 분포 내의 예측 및 오류에 대한 희소 집합을 나타냅니다.

LSTM 오토인코더

• RNN의 강점 중 하나는 과거 정보를 사용하여 현재 문제를 해결할 수 있다는 것입니다.
• LSTM은 주로 Vanishing Gradient 문제를 해결하는 데 사용됩니다.
• Autoencoder: 이상 데이터가 거의 없거나 전혀 없는 경우에도 적용 가능
• 기존 오토인코더는 시간 속성을 포함할 수 없으므로 LSTM 계층을 사용하여 오토인코더를 구성합니다.
• 이상값 데이터가 모델에 입력되면 재구성 오류가 매우 높습니다.
• 어차피 계산된 오차를 그대로 사용하면 오차 값은 보통 빠르게 증가할 수 있으므로 EWMA로 평활화한 후 사용한다.
• 동적 오류 임계값
  • 임계값은 오류율로 계산되고 적용됩니다.
  • 설정된 오류에 따라 임계값이 다를 수 있습니다.
  • 일련의 오류를 기반으로 임계값을 계산하므로 편리하고 정확합니다.