講演抄録/キーワード |
講演名 |
2022-05-20 15:00
XAIを用いた自己適応異常検知手法の実用化に向けて ○角田詩門・中川博之・土屋達弘(阪大) KBSE2022-3 SWIM2022-3 |
抄録 |
(和) |
本研究では,自己適応異常検知手法の性能向上にXAIを活用することを検討する.具体的な手法として,Ming-Chang Leeらにより提唱された自己適応的な時系列異常検知手法であるSALADに注目する.SALADは環境の変化に応じて異常検出閾値を更新する手法であり,時系列予測モデルの構築をスライディングウィンドウ方式で行う.ただし,その最適なウィンドウサイズは対象データセットごとに異なり,人手の試行錯誤により決める必要がある.そこで本研究では,自己適応異常検知手法の実用化に向け,説明可能なAI(XAI)を用いた最適ウィンドウサイズ自動選択手法を検討する.ケーススタディにより,提案アプローチが予測に対する入力値の寄与度を可視化することで有効に作用する見込みを得た. |
(英) |
In this study, we examine the use of XAI to improve the performance of a self-adaptive anomaly detection method. As a specific method, we focus on SALAD, a self-adaptive time-series anomaly detection method proposed by Ming-Chang Lee et al. SALAD updates the anomaly detection threshold in response to changes in the environment, and constructs a time-series prediction model using a sliding window method. However, the optimal window size differs for each dataset and must be determined by human trial-and-error. In this study, we investigate an automatic optimal window size selection method using explainable AI (XAI) for practical application of a self-adaptive anomaly detection method. A case study shows that the proposed approach is effective in visualizing the contribution of input values to the prediction. |
キーワード |
(和) |
時系列異常検知 / 自己適応型異常検知 / XAI / / / / / |
(英) |
Time-series anomaly detection / Self-adaptive anomaly detection / XAI / / / / / |
文献情報 |
信学技報, vol. 122, no. 38, KBSE2022-3, pp. 13-18, 2022年5月. |
資料番号 |
KBSE2022-3 |
発行日 |
2022-05-13 (KBSE, SWIM) |
ISSN |
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 |
KBSE2022-3 SWIM2022-3 |
研究会情報 |
研究会 |
KBSE SWIM |
開催期間 |
2022-05-20 - 2022-05-21 |
開催地(和) |
機械振興会館 6階6-67会議室 |
開催地(英) |
|
テーマ(和) |
デジタルエコノミーとインタプライズ,知能ソフトウェアエンジニア リング,他一般, 学生 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
KBSE |
会議コード |
2022-05-KBSE-SWIM |
本文の言語 |
日本語 |
タイトル(和) |
XAIを用いた自己適応異常検知手法の実用化に向けて |
サブタイトル(和) |
|
タイトル(英) |
Practical Application of Self-Adaptive Anomaly Detection Method Using XAI |
サブタイトル(英) |
|
キーワード(1)(和/英) |
時系列異常検知 / Time-series anomaly detection |
キーワード(2)(和/英) |
自己適応型異常検知 / Self-adaptive anomaly detection |
キーワード(3)(和/英) |
XAI / XAI |
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) |
角田 詩門 / Shimon Sumita / スミタ シモン |
第1著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第2著者 氏名(和/英/ヨミ) |
中川 博之 / Hiroyuki Nakagawa / ナカガワ ヒロユキ |
第2著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第3著者 氏名(和/英/ヨミ) |
土屋 達弘 / Tatsuhiro Tsuchiya / ツチヤ タツヒロ |
第3著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
2022-05-20 15:00:00 |
発表時間 |
30分 |
申込先研究会 |
KBSE |
資料番号 |
KBSE2022-3, SWIM2022-3 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.38(KBSE), no.39(SWIM) |
ページ範囲 |
pp.13-18 |
ページ数 |
6 |
発行日 |
2022-05-13 (KBSE, SWIM) |
|