비지도 학습 기반 센서 데이터의 이상치 탐지 비교 연구 (Comparative study of unsupervised anomaly detection in sensor data)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 34권 / 4호 / 619 ~ 634페이지
· 저자명 : 고건우, 조보현, 변영주, 유동현

초록

최근 정상 데이터만 이용하여 이상치 탐지 모형을 학습하는 비지도 학습 기반 모형이 활발히 연구되고 있다. 본 논문에서는 이상치 탐지에 적용되는 비지도 학습 기반의 여러 머신러닝 모형과 딥러닝 모형을 소개하고 주파수 기반의 센서 데이터에 대하여 이상치 탐지 성능을 비교하였다. 주파수 기반의 센서 데이터는 AI Hub의 누수 감지 센서 데이터를 활용하였다. 각 모형들에 대하여 자기 적응적 데이터 이동 방법을 적용하여 생성된 검증 데이터를 이용하여 최적의 조율 모수를 선택하였다. 누수 감지 센서 데이터에 대한 이상치 탐지의 성능 비교 결과, Autoencoder 모형과 Deep SVDD 모형을 결합한 DASVDD 모형이 비지도 학습 기반의 이상치 탐지 모형 중 가장 우수한 성능을 나타내었다.

영어초록

Unsupervised learning-based anomaly detection is one of the active research topics and is widely applied when the training data only consists of normal observations. In this paper, we introduce several anomaly detection methods based on unsupervised machine learning and deep learning models and provide their performance comparison results using frequency-based sensor data. We consider leak detection sensor data available from the AI-Hub platform. To select the optimal tuning parameters, we consider the self-adaptive data shifting method that generates pseudo anomaly observations and pseudo normal observations from the normal observations. From our comparison results, the DASVDD model that combines the autoencoder and Deep SVDD models showed the best anomaly detection performance in leak detection sensor data.

참고자료

· 없음