講演抄録/キーワード |
講演名 |
2018-01-23 11:15
オートエンコーダを用いた異常検知におけるモデル再学習手法 ○池田泰弘・石橋圭介・中野雄介・渡辺敬志郎・川原亮一(NTT) IN2017-84 |
抄録 |
(和) |
ディープラーニング技術の一種であるオートエンコーダを用いた異常検知に注目が集まっている.
オートエンコーダではニューラルネットワークにおいて,入力データをそのまま出力層のラベルとして用いる
教師なし学習によりデータの特徴を学習することが可能であり,異常検知に用いる際には正常なデータのみを用いて学習することで,
テストデータが学習した正常状態からどれだけ乖離しているかを示す異常度を出力するモデルの構築が可能である.
そのため,異常時のデータが十分に手に入らないようなシステムの監視に向けた異常検知モデルとして
有効であると考えられるが,
システムの「正常な状態」は時間的に変化することや,不十分な学習に起因する誤検知の発生を考慮すると,
継続的にオートエンコーダを異常検知に利用する場合,データの傾向変化や誤検知の発生に応じたモデルの再学習をおこなう必要がある.
本稿では,特にシステム監視において課題となる,一時的な高負荷等で生じる「正常な外れ値」の再学習を含む
モデル再学習手法について提案し,ネットワークベンチマークデータを用いて評価した結果を示す. |
(英) |
An autoencoder has been attracting much attention as an anomaly detection algorithm.
The autoencoder enables unsupervised learning by using input data as output labels,
and therefore by training the autoencoder with data in normal time,
it is trained to output abnormality of test data
according to how far they are different from the training data.
The autoencoder therefore seems to be desireble as an anomaly detection algorithm
under the situation that abnormal data cannot be obtained sufficiently.
However, since the ``normal state'' of systems will not be static
and false positives due to insufficient training may be unavoidable,
retraining the model according to the data trend and the false-positive detection
is required for continually using the autoencoder for anomaly detection.
In this paper, we propose a retraining algorithm of the autoencoder
including the retraining of ``normal outlier'' which is often a problem in system surveillance
due to temporal high load, for example,
and also evaluate the algorithm through network benchmark data. |
キーワード |
(和) |
ディープラーニング / オートエンコーダ / 再学習 / / / / / |
(英) |
Deep Learning / Autoencoder / Retraining / / / / / |
文献情報 |
信学技報, vol. 117, no. 397, IN2017-84, pp. 77-82, 2018年1月. |
資料番号 |
IN2017-84 |
発行日 |
2018-01-15 (IN) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IN2017-84 |
研究会情報 |
研究会 |
IN |
開催期間 |
2018-01-22 - 2018-01-23 |
開催地(和) |
愛知県産業労働センター15F 愛知県立大学サテライトキャンパス |
開催地(英) |
WINC AICHI |
テーマ(和) |
コンテンツ配信/流通、ソーシャルネットワーク(SNS)、データ分析・処理基盤、ビッグデータ及び一般 |
テーマ(英) |
Contents Distribution, Social Networking Services, Data Analytics and Processing Platform, Big data, etc. |
講演論文情報の詳細 |
申込み研究会 |
IN |
会議コード |
2018-01-IN |
本文の言語 |
日本語 |
タイトル(和) |
オートエンコーダを用いた異常検知におけるモデル再学習手法 |
サブタイトル(和) |
|
タイトル(英) |
Retraining anomaly detection model using Autoencoder |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ディープラーニング / Deep Learning |
キーワード(2)(和/英) |
オートエンコーダ / Autoencoder |
キーワード(3)(和/英) |
再学習 / Retraining |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
池田 泰弘 / Yasuhiro Ikeda / イケダ ヤスヒロ |
第1著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT (略称: NTT) |
第2著者 氏名(和/英/ヨミ) |
石橋 圭介 / Keisuke Ishibashi / イシバシ ケイスケ |
第2著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT (略称: NTT) |
第3著者 氏名(和/英/ヨミ) |
中野 雄介 / Yusuke Nakano / ナカノ ユウスケ |
第3著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT (略称: NTT) |
第4著者 氏名(和/英/ヨミ) |
渡辺 敬志郎 / Keishiro Watanabe / ワタナベ ケイシロウ |
第4著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT (略称: NTT) |
第5著者 氏名(和/英/ヨミ) |
川原 亮一 / Ryoichi Kawahara / カワハラ リョウイチ |
第5著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT (略称: NTT) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2018-01-23 11:15:00 |
発表時間 |
25分 |
申込先研究会 |
IN |
資料番号 |
IN2017-84 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.397 |
ページ範囲 |
pp.77-82 |
ページ数 |
6 |
発行日 |
2018-01-15 (IN) |
|