[发明专利]异常检测装置、异常检测方法及存储介质

说明书

实施方式的异常检测装置具有检测部、去除部及学习部。检测部将成为异常检测的对象的检测对象数据向进行了基于第1学习对象数据的学习的第1自动编码器输入，由此检测上述检测对象数据内的第1异常数据，该第1学习对象数据成为学习的对象。去除部将上述第1学习对象数据向进行了基于由上述检测部检测到的上述第1异常数据的学习的第2自动编码器输入，由此从上述第1学习对象数据中将与上述第1异常数据建立关联的数据去除而生成第2学习对象数据。学习部基于由上述去除部生成的上述第2学习对象数据，使上述第1自动编码器进行学习。

技术领域

本发明的实施方式涉及异常检测装置、异常检测方法及存储介质。

背景技术

近年，已知有使用了自动编码器的数据的异常检测方法。在该异常检测方法中，利用正常数据间的关系性、模式，使用将数据尽可能无损失地压缩并重构的模型，进行异常数据的检测。在使用该模型对正常数据进行了处理的情况下，数据损失少，即，压缩前的原数据与重构后的数据的差分(以下，称为“重构误差”)变小。另一方面，在对异常数据进行了处理的情况下，数据损失大，即，重构误差变大。在该异常检测方法中，基于此种重构误差的大小，来检测数据的异常。

上述的异常检测方法，是无监督学习，因此有能够无对数据附以异常或正常的标签的麻烦地利用的优点，被广泛应用于各种设备的故障检测、网络的未授权访问检测等。

上述的异常检测方法，为了生成模型，需要预先进行使用了学习数据的学习处理，但存在着在该学习数据中除了包含正常数据以外还包含异常数据的情况。若使用这样的包含异常数据的学习数据进行学习处理，则存在异常检测的精度低下的情况。

现有技术文献

专利文献

专利文献1：日本国特开2016－4549号公报

发明内容

发明解决的课题

本发明解决的课题在于，提供能够高精度地进行数据的异常检测的异常检测装置、异常检测方法及存储介质。

用于解决课题的手段

实施方式的异常检测装置，具有检测部、去除部及学习部。检测部将成为异常检测的对象的检测对象数据向进行了基于第1学习对象数据的学习的第1自动编码器输入，由此检测上述检测对象数据内的第1异常数据，该第1学习对象数据成为学习的对象。去除部将上述第1学习对象数据向进行了基于由上述检测部检测到的上述第1异常数据的学习的第2自动编码器输入，由此从上述第1学习对象数据中将与上述第1异常数据建立关联的数据去除而生成第2学习对象数据。学习部基于由上述去除部生成的上述第2学习对象数据，使上述第1自动编码器进行学习。

附图说明

图1是表示第1实施方式的异常检测装置的一例的功能框图。

图2是表示第1实施方式的异常检测装置的处理的一例的流程图。

图3是表示第1实施方式的异常检测装置的异常数据去除处理的一例的流程图。

图4是表示第1实施方式的异常检测装置的异常数据去除处理的图。

图5是表示第1实施方式的异常检测装置的学习处理的一例的流程图。

图6是表示第1实施方式的异常检测装置的处理的另一例的流程图。

图7是表示第2实施方式的异常检测装置的一例的功能框图。

图8是表示第2实施方式的异常检测装置中的自动编码器的关系的一例的图。

图9是表示第2实施方式的异常检测装置的异常数据去除处理的一例的流程图。

图10是表示第2实施方式的异常检测装置的学习处理的一例的流程图。