基于混合高斯变分自编码网络的异常检测算法

基于混合高斯变分自编码网络的异常检测算法

TP393; 异常数据是指偏离大量正常数据点的数据,往往会对各类系统产生负面影响,存在较大风险.异常检测作为一种有效的防护手段,能够检测数据中的异常,为各类系统的正常运转提供重要支撑,具有重要的现实意义.提出了一种基于混合高斯变分自编码网络的异常检测算法,该算法首先使用混合高斯先验构建变分自编码器,对输入数据进行特征提取,然后以混合高斯变分自编码器构建深度支持向量网络,压缩特征空间,并寻找最小超球体分离正常数据和异常数据,通过计算数据特征到超球体中心的欧氏距离衡量数据的异常分数,并以此进行异常检测.最后在基准数据集MNIST和Fashion-MNIST上评估了该算法,平均AUC分别达到了0.9...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电信科学 2021, Vol.37 (4), p.54-61
Hauptverfasser: 陈华华, 陈哲, 郭春生, 应娜, 叶学义, 章坚武
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 61
container_issue 4
container_start_page 54
container_title 电信科学
container_volume 37
creator 陈华华
陈哲
郭春生
应娜
叶学义
章坚武
description TP393; 异常数据是指偏离大量正常数据点的数据,往往会对各类系统产生负面影响,存在较大风险.异常检测作为一种有效的防护手段,能够检测数据中的异常,为各类系统的正常运转提供重要支撑,具有重要的现实意义.提出了一种基于混合高斯变分自编码网络的异常检测算法,该算法首先使用混合高斯先验构建变分自编码器,对输入数据进行特征提取,然后以混合高斯变分自编码器构建深度支持向量网络,压缩特征空间,并寻找最小超球体分离正常数据和异常数据,通过计算数据特征到超球体中心的欧氏距离衡量数据的异常分数,并以此进行异常检测.最后在基准数据集MNIST和Fashion-MNIST上评估了该算法,平均AUC分别达到了0.954和0.937.实验结果表明,所提出的算法取得了较好的异常检测效果.
doi_str_mv 10.11959/j.issn.1000-0801.2021044
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dxkx202104006</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dxkx202104006</wanfj_id><sourcerecordid>dxkx202104006</sourcerecordid><originalsourceid>FETCH-wanfang_journals_dxkx2021040063</originalsourceid><addsrcrecordid>eNpjYFA0NNAzNLQ0tdTP0sssLs7TMzQwMNA1sDAw1DMyMDI0MDFhYeCEi3Ew8BYXZyYZGBmbmZgZWBpyMtg8nb_rya6-Z9u3P53Q8XL1jGfT1j_tn_G0o-1F-6rne6Y9X9D4fO_E57vnPJ_V8nRP09MdO54tbni2tfv5uunPNk_lYWBNS8wpTuWF0twMqm6uIc4euuWJeWmJeenxWfmlRXlAmfiUiuwKiHsMDMyMiVUHAIbSVXU</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于混合高斯变分自编码网络的异常检测算法</title><source>DOAJ Directory of Open Access Journals</source><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>陈华华 ; 陈哲 ; 郭春生 ; 应娜 ; 叶学义 ; 章坚武</creator><creatorcontrib>陈华华 ; 陈哲 ; 郭春生 ; 应娜 ; 叶学义 ; 章坚武</creatorcontrib><description>TP393; 异常数据是指偏离大量正常数据点的数据,往往会对各类系统产生负面影响,存在较大风险.异常检测作为一种有效的防护手段,能够检测数据中的异常,为各类系统的正常运转提供重要支撑,具有重要的现实意义.提出了一种基于混合高斯变分自编码网络的异常检测算法,该算法首先使用混合高斯先验构建变分自编码器,对输入数据进行特征提取,然后以混合高斯变分自编码器构建深度支持向量网络,压缩特征空间,并寻找最小超球体分离正常数据和异常数据,通过计算数据特征到超球体中心的欧氏距离衡量数据的异常分数,并以此进行异常检测.最后在基准数据集MNIST和Fashion-MNIST上评估了该算法,平均AUC分别达到了0.954和0.937.实验结果表明,所提出的算法取得了较好的异常检测效果.</description><identifier>ISSN: 1000-0801</identifier><identifier>DOI: 10.11959/j.issn.1000-0801.2021044</identifier><language>chi</language><publisher>杭州电子科技大学通信工程学院,浙江杭州 310018</publisher><ispartof>电信科学, 2021, Vol.37 (4), p.54-61</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dxkx/dxkx.jpg</thumbnail><link.rule.ids>314,780,784,864,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>陈华华</creatorcontrib><creatorcontrib>陈哲</creatorcontrib><creatorcontrib>郭春生</creatorcontrib><creatorcontrib>应娜</creatorcontrib><creatorcontrib>叶学义</creatorcontrib><creatorcontrib>章坚武</creatorcontrib><title>基于混合高斯变分自编码网络的异常检测算法</title><title>电信科学</title><description>TP393; 异常数据是指偏离大量正常数据点的数据,往往会对各类系统产生负面影响,存在较大风险.异常检测作为一种有效的防护手段,能够检测数据中的异常,为各类系统的正常运转提供重要支撑,具有重要的现实意义.提出了一种基于混合高斯变分自编码网络的异常检测算法,该算法首先使用混合高斯先验构建变分自编码器,对输入数据进行特征提取,然后以混合高斯变分自编码器构建深度支持向量网络,压缩特征空间,并寻找最小超球体分离正常数据和异常数据,通过计算数据特征到超球体中心的欧氏距离衡量数据的异常分数,并以此进行异常检测.最后在基准数据集MNIST和Fashion-MNIST上评估了该算法,平均AUC分别达到了0.954和0.937.实验结果表明,所提出的算法取得了较好的异常检测效果.</description><issn>1000-0801</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNpjYFA0NNAzNLQ0tdTP0sssLs7TMzQwMNA1sDAw1DMyMDI0MDFhYeCEi3Ew8BYXZyYZGBmbmZgZWBpyMtg8nb_rya6-Z9u3P53Q8XL1jGfT1j_tn_G0o-1F-6rne6Y9X9D4fO_E57vnPJ_V8nRP09MdO54tbni2tfv5uunPNk_lYWBNS8wpTuWF0twMqm6uIc4euuWJeWmJeenxWfmlRXlAmfiUiuwKiHsMDMyMiVUHAIbSVXU</recordid><startdate>2021</startdate><enddate>2021</enddate><creator>陈华华</creator><creator>陈哲</creator><creator>郭春生</creator><creator>应娜</creator><creator>叶学义</creator><creator>章坚武</creator><general>杭州电子科技大学通信工程学院,浙江杭州 310018</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2021</creationdate><title>基于混合高斯变分自编码网络的异常检测算法</title><author>陈华华 ; 陈哲 ; 郭春生 ; 应娜 ; 叶学义 ; 章坚武</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_dxkx2021040063</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>online_resources</toplevel><creatorcontrib>陈华华</creatorcontrib><creatorcontrib>陈哲</creatorcontrib><creatorcontrib>郭春生</creatorcontrib><creatorcontrib>应娜</creatorcontrib><creatorcontrib>叶学义</creatorcontrib><creatorcontrib>章坚武</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电信科学</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>陈华华</au><au>陈哲</au><au>郭春生</au><au>应娜</au><au>叶学义</au><au>章坚武</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于混合高斯变分自编码网络的异常检测算法</atitle><jtitle>电信科学</jtitle><date>2021</date><risdate>2021</risdate><volume>37</volume><issue>4</issue><spage>54</spage><epage>61</epage><pages>54-61</pages><issn>1000-0801</issn><abstract>TP393; 异常数据是指偏离大量正常数据点的数据,往往会对各类系统产生负面影响,存在较大风险.异常检测作为一种有效的防护手段,能够检测数据中的异常,为各类系统的正常运转提供重要支撑,具有重要的现实意义.提出了一种基于混合高斯变分自编码网络的异常检测算法,该算法首先使用混合高斯先验构建变分自编码器,对输入数据进行特征提取,然后以混合高斯变分自编码器构建深度支持向量网络,压缩特征空间,并寻找最小超球体分离正常数据和异常数据,通过计算数据特征到超球体中心的欧氏距离衡量数据的异常分数,并以此进行异常检测.最后在基准数据集MNIST和Fashion-MNIST上评估了该算法,平均AUC分别达到了0.954和0.937.实验结果表明,所提出的算法取得了较好的异常检测效果.</abstract><pub>杭州电子科技大学通信工程学院,浙江杭州 310018</pub><doi>10.11959/j.issn.1000-0801.2021044</doi></addata></record>
fulltext fulltext
identifier ISSN: 1000-0801
ispartof 电信科学, 2021, Vol.37 (4), p.54-61
issn 1000-0801
language chi
recordid cdi_wanfang_journals_dxkx202104006
source DOAJ Directory of Open Access Journals; 国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
title 基于混合高斯变分自编码网络的异常检测算法
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-28T17%3A49%3A53IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B7%E5%90%88%E9%AB%98%E6%96%AF%E5%8F%98%E5%88%86%E8%87%AA%E7%BC%96%E7%A0%81%E7%BD%91%E7%BB%9C%E7%9A%84%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E7%AE%97%E6%B3%95&rft.jtitle=%E7%94%B5%E4%BF%A1%E7%A7%91%E5%AD%A6&rft.au=%E9%99%88%E5%8D%8E%E5%8D%8E&rft.date=2021&rft.volume=37&rft.issue=4&rft.spage=54&rft.epage=61&rft.pages=54-61&rft.issn=1000-0801&rft_id=info:doi/10.11959/j.issn.1000-0801.2021044&rft_dat=%3Cwanfang_jour%3Edxkx202104006%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dxkx202104006&rfr_iscdi=true