[发明专利]基于生成对抗网络的高维数据故障异常检测方法及系统

说明书

本发明提供了一种基于生成对抗网络的高维数据故障异常检测方法及系统，涉及多维数据中的异常检测技术领域，该方法包括：步骤S1：生成对抗网络架构；步骤S2：生成对抗网络架构后，稳定生成对抗网络训练，获取训练模型；步骤S3：根据训练模型，设定评分函数，并对对抗网络进行异常评分。本发明能够检测到之前未出现的异常数据，处理半导体晶片二维和三维图像数据的异常检测。

技术领域

本发明涉及多维数据中的异常检测技术领域，具体地，涉及一种基于生成对抗网络的高维数据故障异常检测方法及系统。

背景技术

多维数据中的异常检测是一个具有重大现实意义的问题，包含我们现实世界中大量的实际应用，包括网络安全制造、欺诈检测和医学成像等。通常的异常检测方法需要对正常数据的模式进行建模，用以识别不符合正常数据模式的异常样本。虽然异常检测已经过了大量的研究，但开发适合复杂和高维数据的有效方法仍然面临着巨大的挑战。

生成对抗网络是一种强大的高维数据建模框架，可以应对这项挑战。标准的生成对抗网络由两个神经网络组成，一个是生成网络(G)，一个是判别网络(J)在训练期间，生成网络通过学习从隐数据变量(z)(假设服从于高斯分布或均匀分布)映射到虚拟真实数据空间来学习映射模式，而判别网络用于学习区分真实数据和生成网络生成的虚拟真实数据的样本。生成对抗网络在虚拟图像生成的应用上已经取得很大的成功，而且越来越多地用于语音和医学成像应用。

公开号为US6292582B1的发明专利，公开了一种用于识别半导体中缺陷的方法和系统，该专利能够对特定类型的异常进行分类，包括图像采集和处理，却基于最近邻数据库对预提取的特征进行的搜索，找到最近邻的异常，且无法检测新异常。

公开号为US8126681B2的发明专利，公开了一种使用序列组合数据转换处理方法识别半导体异常值，该方法以简单的统计技术为基础，评估速度快，有一定的理论基础，但需使用获取成本更高的电气测试数据，使用经典的统计方法检测异常值，可能不足以捕获复杂图像数据中的异常值。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于生成对抗网络的高维数据故障异常检测方法及系统，以解决上述问题。

根据本发明提供的一种基于生成对抗网络的高维数据故障异常检测方法及系统，所述方案如下：

第一方面，提供了一种基于生成对抗网络的高维数据故障异常检测方法，所述方法包括：

构建生成对抗网络架构；

构建生成对抗网络架构后，稳定生成对抗网络训练，获取训练模型；

根据训练模型，设定评分函数，并对生成对抗网络进行异常评分，并用生成对抗网络对高维数据进行异常检测。

优选的，所述生成对抗网络架构具体步骤如下：

标准生成对抗网络包括生成网络G和判别网络J，将生成网络G和判别网络J在一组M个数据样本上进行训练，其中，i＝1，2，…，M；

生成网络G在服从特定分布的隐数据空间中，采集的随机隐变量z映射到输入数据空间X；

判别网络J尝试将实际数据样本x⁽ⁱ⁾与G生成的样本G(z)进行判别；

将p_x(x)定义为真实数据x在样本空间X中的分布概率，而为隐数据z在隐数据空间中的分布概率；p_G(x)定义为生成网络G在样本空间X中的分布概率；

生成对抗网络模型将联合分布p_G(x，z)＝p(z)p_G(x|z)和p_E(x，z)＝p_X(x)p_E(z|x)与以x和z为输入的对抗判别网络J_xz相匹配；