Egy új Isolation Forest variáns jobb minőségű anomália értékek előállitására
Az anomáliák hatékony és megbízható automatikus detektálása egy aktív kutatási terület és számos cég keres az iparban is alkalmazható megoldásokat rá. Számos mélytanulásos modell készült a probléma megoldására, de általánosságban elmondható, hogy ezen módszerek, mint minden deeplearning modell, nehezen magyarázhatóak, a döntéseik nehezen megérhetők és így az iparban is csak nehezebben használhatóak fel. A gyakorlati alkalmazások során épp ezért gyakran algoritmikus megközelítéseket alkalmaznak, azok közül is az ensemble alapú módszerek kifejezetten ígéretesek. Az ilyen módszerek gyenge modellek sokaságát használják a predikcióik előállításához, amiknek lehetőségük van specifikálódni és az adathalmaz bizonyos tulajdonságaira fókuszálni. A gyenge tanulók adta lehetőséget használja ki az Isolation Forest nevű algoritmus is, ami az adathalmaz mintáit izolálni igyekszik egymástól a tengelyekre merőleges hipersíkok szerinti vágásokkal. Az algoritmus egy komoly hiányossága, hogy nincsen mód a gyenge tanulóinak a teljesítményének a felmérésére és az esetlegesen gyengén teljesítők automatikus cseréjére. Ugyan ez elmondható az Extended Isolation Forest nevű algoritmusról is, ami tetszőleges hipersíkokkal igyekszik elszeparálni az adathalmaz mintáit. Ez a hiányosság egy olyan viselkedést válthat ki, hogy az anomáliás és normális minták anomáliásságát mérni szándékozó értékek nem szeparálódnak kellő mértékben. Mivel az anomália detekció tipikusan felügyelet nélküli tanulásos probléma, csak az anomália értékek szerint tudunk döntést hozni az egyes mintákról, amik ha nem szeparálódnak kellően sok false-positive és false-negative döntést eredményez. Az új algoritmus célja, hogy kiküszöbölje ezt a problémát jobban szeparálódó anomália értékek létrehozásával, hogy bevezessen egy új gyenge modell törlési mechanizmust és hogy ipari alkalmazásokban is hatékonyan bevethető legyen.
szerző
-
Szalai Márk Dániel
Mérnök informatikus szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Dr. Horváth Gábor
egyetemi tanár, Hálózati Rendszerek és Szolgáltatások Tanszék
