준지도 이상치 탐지를 위한 통계적 임계값 기반의 슈도 라벨링 (Statistical Threshold-based Pseudo-labeling for Semi-supervised Anomaly Detection)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 29권 / 6호 / 296 ~ 301페이지
· 저자명 : 이영준, 이재길

초록

이상치 탐지는 비정상 데이터를 탐지하는 작업으로 데이터 마이닝의 주요 분야 중 하나이다. 최근 전문가 피드백에 의해 소수의 이상치 데이터에 대한 라벨이 이용 가능해지면서 준지도 방법의 연구가 활발히 진행되고 있다. 그러나 준지도 이상치 탐지 연구들은 라벨을 지닌 데이터를 잘 활용하는 데에만 집중하고 라벨이 없는 데이터는 단순히 정상으로 간주하는 접근법을 사용한다. 라벨이 없는 데이터에 일부 이상치 데이터가 포함되어 있다는 점을 고려하였을 때, 이와 같은 접근법은 준지도 이상치 탐지의 성능을 저해할 수 있다. 본 연구에서는 준지도 이상치 탐지를 위한 통계적 임계값 기반의 슈도 라벨링 방법을 제안한다. 구체적으로, 이 방법은 정밀도와 재현율의 trade-off 관계를 고려하여 4-시그마 기반의 임계값 설정 방법을 제안한다. 인조, 실제 이상치 탐지 벤치마크 데이터 셋을 활용한 실험에서 제안된 방법론이 기존 이상치 탐지 알고리즘의 성능을 0.33%-85.23% 개선함을 보였다.

영어초록

Anomaly detection which is one of the major areas of data mining, is about detecting abnormal data. With the recent availability of labels for a small number of anomalies by expert feedback, the semi-supervised approach has also been actively researched. However, the recent semi-supervised approaches only focus on leveraging labeled data and simply consider unlabeled data as normal. Given that unlabeled samples contain some anomalies, it hinders anomaly detection performance. In this paper, we propose statistical threshold-based pseudo- labeling. Specifically, by considering the trade-off between precision and recall, we propose a 4-sigma-based threshold setting.
Experiments on synthetic and real anomaly detection benchmark data sets demonstrate that our method improves performance by 0.33%-85.23% compared to baseline.

참고자료

· 없음