[論文レビュー] A Survey on GANs for Anomaly Detection

Federico Di Mattia, Paolo Galeone+2 more|arXiv (Cornell University)|Jun 27, 2019

Anomaly Detection Techniques and Applications参考文献 6被引用数 114

ひとこと要約

本論文は主なGANベースの異常検知手法（AnoGAN、BiGAN/EGBAD、GANomaly）を総覧し、データセット全体で経験的評価を提供し、オープンソースの異常検知ツールボックスを公開します。

ABSTRACT

Anomaly detection is a significant problem faced in several research areas. Detecting and correctly classifying something unseen as anomalous is a challenging problem that has been tackled in many different manners over the years. Generative Adversarial Networks (GANs) and the adversarial training process have been recently employed to face this task yielding remarkable results. In this paper we survey the principal GAN-based anomaly detection methods, highlighting their pros and cons. Our contributions are the empirical validation of the main GAN models for anomaly detection, the increase of the experimental results on different datasets and the public release of a complete Open Source toolbox for Anomaly Detection using GANs.

研究の動機と目的

• 対向的学習を通じて正規状態をモデル化する問題として、異常検知を動機づける。
• AnoGAN、EGBAD、GANomaly を含む GAN ベースの異常検知アーキテクチャを要約・比較する。
• 複数データセットで実証的検証を行い、再現性のための公開ツールボックスを設定する。

提案手法

• GANの基礎と主要な拡張（条件付きGAN、BiGAN）を説明する。
• 異常スコア付けのためにデータ空間から潜在空間への写像と戻りを用いる AnoGAN を説明する。
• 推論を高速化するエンコーダ学習と逆写像を可能にする BiGAN/EGBAD を提示する。
• オートエンコーダ様構造とGAN訓練、複数の損失項を組み合わせる GANomaly を詳述する。
• TensorFlow ベースの異常検知ツールボックスを公開し、複数の設定を再現する。

実験結果

リサーチクエスチョン

• RQ1 GANベースのフレームワークはどのようにして正常データをモデル化し、効果的な異常検知を実現できるか？
• RQ2 AnoGAN、BiGAN/EGBAD、GANomaly の異常検知における長所と限界は何か？
• RQ3 統一的な TensorFlow 実装は、データセットを横断してこれらのGANベースアプローチを再現・比較できるか？
• RQ4 異なる損失形式とアーキテクチャは検出性能と推論速度にどのように影響するか？

主な発見

Method	Precision	Recall	F1-Score
BiGAN/EGBAD	0.941174	0.956155	0.948605
GANomaly	0.830256	0.841112	0.835648

• GANベースの手法は画像データおよび表形式データの異常検知に有効である可能性がある。
• BiGAN/EGBAD と GANomaly は実務上、AnoGAN よりも高速な推論とより解釈しやすい異常スコアを提供する。
• GANomaly は訓練時にエンコーダを使用し、オートエンコーダ様の生成器を用いることで学習を高速化し解釈性を向上させる。
• KDD では BiGAN/EGBAD が GANomaly より高い精度、再現率、F1 を達成した（0.941174、0.956155、0.948605 対 0.830256、0.841112、0.835648）。
• 著者は再現と拡張のための TensorFlow 実装のオープンソース異常検知ツールボックスを公開した。