Deep Learning for A Nomaly Detection : A Survey

摘要：

　异常检测是一个重要的问题，在不同的研究领域和应用领域都得到了很好的研究。本综述的目的有两个方面:首先，我们对基于深度学习的异常检测的研究方法进行了一个结构化和全面的综述。此外，我们还回顾了这些方法在不同应用领域中的应用情况，并评估了它们的有效性。根据基本假设和采用的方法，我们将目前最先进的深层异常探测研究技术分为不同的类别。在每个类别中，我们概述了基本的异常检测技术，以及它的变体和提出的关键假设，以区分正常和异常行为。此外，对于每一类技术，我们也给出了各自的优点和局限性，并讨论了这些技术在实际应用领域中的计算复杂性。最后，我们概述了在实际问题中采用深度异常检测技术时研究中存在的问题和面临的挑战。

1、介绍

 　在分析真实世界的数据集时，一个常见的需求是确定哪些实例与众不同。这样的实例称为异常，异常检测(也称为离群点检测)的目标是以数据驱动的方式确定所有这样的实例(Chandola等人[2007])。异常可能是由数据错误引起的，但有时也表明了一种新的、以前未知的潜在过程;Hawkins[1980]将异常值定义为一种与其他观察结果显著不同的观察结果，以至于人们怀疑它是由另一种机制产生的。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

---