오토인코더 이상 탐지 알고리즘의 성능 비교

Abstract

본 논문의 목적은 비지도 학습을 주장하는 기존의 이상 탐지 방법들의 주요 가정인 정상 데이터로만 학습 데이터셋을 구성하는 것이, 개별 데이터의 라벨 정보를 활용할 수 없다는 근본적인 비지도 학습의 가정과 모순됨을 지적하고 학습 데이터셋에 포함된 소수의 비정상 데이터가 모델 학습에 끼치는 영향을 비교, 분석하여 실제 비지도 학습 환경에서 적용할 수 있는 오토인코더 기반의 이상 탐지 방법을 제시하는 것이다. <br> <br>이를 위해 본 연구에서는 범용 데이터셋을 이용하여 정상 데이터만 학습 데이터에 포함되는 준지도 학습 환경과 라벨 정보를 활용할 수 없어 정상 데이터와 비정상 데이터가 혼재된 비지도 학습 환경을 구성하였다. 이후 학습 데이터에 포함된 비정상 데이터의 비율에 따른 오토인코더 기반의 이상 탐지 모델의 성능을 비교하는 실험을 진행하였으며 또한, 오토인코더 기반의 이상 탐지 모델의 학습 과정에서 정상 데이터와 비정상 데이터 학습 차이를 비교하는 실험을 진행하였다. <br> <br>본 연구에서는 데이터의 구조적 특성에 맞는 인공 신경망, 데이터의 일반적인 특징을 학습할 수 있는 제약과 정상 데이터와 비정상 데이터의 학습 속도 차이를 이용하면 비지도 이상 탐지 모델이 준지도 학습 방식의 이상 탐지 모델에 준하는 성능을 가질 수 있음을 밝혀냈다.